Python:在csv.DictReader中跳过标有#的注释行

时间:2013-01-04 14:20:30

标签: python csv comments

使用csv.DictReader处理CSV文件非常棒 - 但我的CSV文件中包含注释行(在行首处用哈希表示),例如:

# step size=1.61853
val0,val1,val2,hybridisation,temp,smattr
0.206895,0.797923,0.202077,0.631199,0.368801,0.311052,0.688948,0.597237,0.402763
-169.32,1,1.61853,2.04069e-92,1,0.000906546,0.999093,0.241356,0.758644,0.202382
# adaptation finished

csv模块doesn't include any way to skip such lines

我可以很容易地做一些hacky,但我想有一种很好的方法可以将csv.DicReader包装在其他迭代器对象周围,该对象会预处理以丢弃这些行。

4 个答案:

答案 0 :(得分:74)

实际上这适用于filter

import csv
fp = open('samples.csv')
rdr = csv.DictReader(filter(lambda row: row[0]!='#', fp))
for row in rdr:
    print(row)
fp.close()

答案 1 :(得分:4)

很好的问题,也是Python CSV库缺乏重要功能的一个很好的例子,例如处理基本注释(在CSV文件的顶部并不罕见)。虽然Dan Stowell的解决方案适用于OP的特定情况,但它的局限性在于#必须作为第一个符号出现。更通用的解决方案是:

def decomment(csvfile):
    for row in csvfile:
        raw = row.split('#')[0].strip()
        if raw: yield raw

with open('dummy.csv') as csvfile:
    reader = csv.reader(decomment(csvfile))
    for row in reader:
        print(row)

例如,以下dummy.csv文件:

# comment
 # comment
a,b,c # comment
1,2,3
10,20,30
# comment

返回

['a', 'b', 'c']
['1', '2', '3']
['10', '20', '30']

当然,这与csv.DictReader()一样适用。

答案 2 :(得分:1)

另一种读取CSV文件的方法是使用pandas

这是示例代码:

df = pd.read_csv('test.csv',
                 sep=',',     # field separator
                 comment='#', # comment
                 index_col=0, # number or label of index column
                 skipinitialspace=True,
                 skip_blank_lines=True,
                 error_bad_lines=False,
                 warn_bad_lines=True
                 ).sort_index()
print(df)
df.fillna('no value', inplace=True) # replace NaN with 'no value'
print(df)

对于此csv文件:

a,b,c,d,e
1,,16,,55#,,65##77
8,77,77,,16#86,18#
#This is a comment
13,19,25,28,82

我们将获得以下输出:

       b   c     d   e
a                     
1    NaN  16   NaN  55
8   77.0  77   NaN  16
13  19.0  25  28.0  82
           b   c         d   e
a                             
1   no value  16  no value  55
8         77  77  no value  16
13        19  25        28  82

答案 3 :(得分:0)

只需发布@sigvaldm解决方案中的错误修正即可。

def decomment(csvfile):
for row in csvfile:
    raw = row.split('#')[0].strip()
    if raw: yield row

with open('dummy.csv') as csvfile:
    reader = csv.reader(decomment(csvfile))
    for row in reader:
        print(row)

CSV行可以在带引号的字符串中包含“#”字符,并且完全有效。先前的解决方案是切断包含“#”字符的字符串。