Python操作csv文件源程序

Python操作csv文件源代码.rar (27.59 KB, 售价: 1 工控币)

2020-6-10 17:17 上传

点击文件名下载附件


部分代码：

1. # -*- coding:utf-8 -*-
   
2. #以只读的方式打开指定的扩展名为csv的文件，其编码格式为UTF-8-sig，注意这个位置的编码格式不能是utf-8
   
3. file = open(r'E:\python\a.csv','r',encoding='utf-8-sig')
   
4. #读取文件的内容并将其赋给变量data
   
5. data = csv.reader(file)
   
6. #读取变量data中的第一行（表头）
   
7. header = next(data)
   
8. #print('header = ' + str(header))
   
9. #创建一个列表attributeList，专门存放数据源的属性值
   
10. attributeList = []
    
11. #创建一个列表resultList，专门存放对应各行记录的结果值
    
12. resultList = []
    
13. 
    
14. for row in data:
    
15.     resultList.append(row[len(row) - 1])   #将每行记录的结果值存入resultList中
    
16.     rowDictionary = {}                     #定义一个词典rowDictionary，用来存放每行的属性名称及其对应的属性值
    
17.     for i in range(1,len(row) - 1):
    
18.         rowDictionary[header[i]] = row[i]  #向词典rowDictionary添加属性名称及其对应的属性值
    
19.     attributeList.append(rowDictionary)    #将每次内层循环产生的词典添加到列表attributeList中
    
20. 
    
21. 
    
22. # print(resultList)
    
23. 
    
24. vec = DictVectorizer()                     #创建一个DictVectorizer的实例，DictVectorizer是字典特征提取器，用来将数据的数据类型转化为整型
    
25. attributeArray = vec.fit_transform(attributeList).toarray()   #利用vec实例将列表attributeList转化成“01”矩阵，函数fit_transform是先拟合数据，再标准化，函数toarray是将转化后的数据转变为数组
    
26. title = vec.get_feature_names()            #获取vec中所有特征向量的名称和及其能取到的值
    
27. 
    
28. #print(title)
    
29. #print(array)
    
30. 
    
31. lb = preprocessing.LabelBinarizer()        #初始化变量lb，preprocessing.LabelBinarizer()的作用是可将分类数据转化为“01”数据，例如可以把yes和no转化为0和1，或是把incident和normal转化为0和1
    
32. resultArray = lb.fit_transform(resultList) #将结果值列表resultList转化为“01”矩阵
    
33. 
    
34. #print(resultArray)
    
35. 
    
36. transformArray = tree.DecisionTreeClassifier(criterion='entropy') #利用分类决策树tree（已引入）模块创建决策树分类器DecisionTreeClassifier，其实现算法是ID3算法(criterion=entropy)
    
37. transformArray = transformArray.fit(attributeArray, resultArray)  #根据attributeArray和resultArray生成决策树
    
38. 
    
39. #利用pip安装graphviz包和pydotplus包
    
40. dotData = tree.export_graphviz(transformArray,feature_names=title,out_file=None)#根据transformArray和title生成判定树的节点，同时让输出文件为None（out_file=None）
    
41. 
    
42. graph = pydotplus.graph_from_dot_data(dotData)                                  #根据上条语句生成的决策树结点dotData生成判定树的图形结构
    
43. 
    
44. graph.write_pdf('E:/python/a.pdf') #将树形结构写入到指定的文件中

复制代码