Question

有些时候，你并不需要文件中所有的列。在本节示例中，可以使用 Python 选取出你需要的列。

有两种通用方法可以在 CSV 文件中选取特定的列。下面各小节演示了这两种方法：

· 使用列索引值

· 使用列标题

2.3.1　列索引值

01. 基础Python

在 CSV 文件中选取特定列的一种方法是使用你想保留的列的索引值。当你想保留的列的索引值非常容易识别，或者在处理多个输入文件时，各个输入文件中列的位置一致（也就是不会发生改变）的时候，这种方法非常有效。例如，如果你只需要保留数据的第一列和最后一列，那么你可以使用 row[0] 和 row[-1] 来将每行的第一个值和最后一个值写入文件。

在这个示例中，你只想保留供应商姓名和成本这两列。要使用索引值选取这两列，在文本编辑器中输入下列代码，然后将文件保存为 6csv_reader_column_by_index.py：

 1 #!/usr/bin/env python3
 2 import csv
 3 import sys
 4 input_file = sys.argv[1]
 5 output_file = sys.argv[2]
 6 my_columns = [0, 3]
 7 with open(input_file, 'r', newline='') as csv_in_file:
 8     with open(output_file, 'w', newline='') as csv_out_file:
 9          filereader = csv.reader(csv_in_file)
10          filewriter = csv.writer(csv_out_file)
11          for row_list in filereader:
12              row_list_output = [ ]
13              for index_value in my_columns:
14                  row_list_output.append(row_list[index_value])
15              filewriter.writerow(row_list_output)

第 6 行代码创建了一个列表变量 my_columns，其中包含了你想保留的两列的索引值。在这个示例中，这两个索引值对应着供应商姓名和成本列。再说一次，应该创建一个包含索引值的变量，然后在代码中引用这个变量。这样，如果索引值需要改变的话，你只需要在一个地方（就是定义 my_columns 的地方）修改即可，修改会反映到代码中所有引用 my_columns 的地方。

第 12~15 行代码是 for 循环下面缩进的部分，所以对于输入文件中的每一行都要执行这些代码。第 12 行代码创建了一个空列表变量 row_list_output。这个变量保存你在每行中要保留的值。第 13 行代码是一个 for 循环语句，在 my_cloumns 中的各个索引值之间进行迭代。第 14 行代码通过列表的 append 函数使用每行中 my_columns 索引位置的值为 row_list_output 填充元素。这 3 行代码生成了一个列表，列表中包含了每行中你要写入输出文件的值。创建列表是有用的，因为 filewriter 的 writerow 方法需要一个字符串序列或数值序列，而列表 row_list_out 正是一个字符串序列。第 15 行代码将 row_list_output 中的值写入输出文件。

脚本会对输入文件中的每一行执行这些代码。为了确切地理解这一系列操作，下面来看看第一次外部 for 循环做了些什么。在本例中，你处理的是输入文件中的第一行（也就是标题行）。第 12 行代码创建了空列表变量 row_list_output。第 13 行代码是一个 for 循环，在 my_columns 的值之间迭代。

第一次循环时，index_value 等于 0，所以第 14 行代码中的 append 函数将 row[0]（就是供应商姓名字符串）加入 row_list_output。此后，代码回到第 13 行中的 for 循环，这一次 index_value 等于 3。因为 index_value 等于 3，所以第 14 行代码中的 append 函数将 row[3]（也就是成本字符串）加入 row_list_output。my_columns 中没有更多的值了，所以第 13 行中的 for 循环结束，代码前进到第 15 行。第 15 行代码将 row_list_output 中的列表值写入输出文件。然后，代码回到第 11 行中的外部 for 循环，开始处理输入文件中的下一行。

要运行这个脚本，在命令行中输入以下命令，然后按回车键：

python 6csv_reader_column_by_index.py supplier_data.csv output_files\6output.csv

你可以打开输出文件 6output.csv 查看一下结果。

02. pandas

要使用 pandas 根据索引值选取列，在文本编辑器中输入下列代码，然后将文件保存为 pandas_column_by_index.py（这个脚本读取 CSV 文件，将索引值为 0 和 3 的列打印到屏幕，并将同样的行写入输出文件）：

#!/usr/bin/env python3
import pandas as pd
import sys
input_file = sys.argv[1]
output_file = sys.argv[2]
data_frame = pd.read_csv(input_file)
data_frame_column_by_index = data_frame.iloc[:, [0, 3]]
data_frame_column_by_index.to_csv(output_file, index=False)

这里使用了 iloc 函数来根据索引位置选取列。

在命令行中运行以下脚本：

python pandas_column_by_index.py supplier_data.csv\
output_files\pandas_output.csv

你可以打开输出文件 pandas_output.csv 查看一下结果。

2.3.2　列标题

01. 基础Python

在 CSV 文件中选取特定列的第二种方法是使用列标题，而不是索引位置。当你想保留的列的标题非常容易识别，或者在处理多个输入文件时，各个输入文件中列的位置会发生改变，但标题不变的时候，这种方法非常有效。

举例来说，假设你只需要保留发票号码列和购买日期列。要使用列标题选取这两列，在文本编辑器中输入下列代码，然后将文件保存为 7csv_reader_column_by_name.py：

 1 #!/usr/bin/env python3
 2 import csv
 3 import sys
 4 input_file = sys.argv[1]
 5 output_file = sys.argv[2]
 6 my_columns = ['Invoice Number', 'Purchase Date']
 7 my_columns_index = []
 8 with open(input_file, 'r', newline='') as csv_in_file:
 9     with open(output_file, 'w', newline='') as csv_out_file:
10          filereader = csv.reader(csv_in_file)
11          filewriter = csv.writer(csv_out_file)
12          header = next(filereader, None)
13          for index_value in range(len(header)):
14              if header[index_value] in my_columns:
15                   my_columns_index.append(index_value)
16          filewriter.writerow(my_columns)
17          for row_list in filereader:
18              row_list_output = [ ]
19              for index_value in my_columns_index:
20              row_list_output.append(row_list[index_value])
21          filewriter.writerow(row_list_output)

这个示例中的代码比上一个示例要稍微长一点，但是所有代码看起来都很熟悉。此示例中有更多代码的唯一原因就是，你需要先单独处理一下标题行，识别出相应标题行对应的索引值。然后你可以使用索引值保留每行中的值，这些值和要保留的列标题具有同样的索引值。

第 6 行代码创建了一个列表变量 my_columns，其中包含了两个字符串，即要保留的两列的名字。第 7 行代码创建了一个空列表变量 my_columns_index，要使用两个保留列的索引值来填充它。

第 12 行代码在 filereader 对象上使用 next 函数从输入文件中读出第一行，并保存在列表变量 header 中。第 13 行代码初始化在列标题的索引值中迭代的 for 循环。

第 14 行代码使用 if 语句和列表索引来检验每个列标题是否在 my_columns 中。例如，第一次 for 循环时，index_value 等于 0，所以 if 语句检验 header[0]（也就是第一个列标题供应商姓名）是否在 my_columns 中。因为供应商姓名不在 my_columns 中，所以第 15 行代码不会对这个值执行。

代码返回第 13 行中的 for 循环，这一次 index_value 等于 1。然后，第 14 行代码中的 if 语句检验 header[1]（也就是第二个列标题发票号码）是否在 my_columns 中。因为发票号码在 my_columns 中，所以执行第 15 行代码，将这列的索引值加入到 my_columns_index 列表中。

然后继续 for 循环，最后将购买日期列的索引值加入 my_columns_index。一旦 for 循环结束，第 16 行代码就将 my_columns 中的两个字符串写入输出文件。

第 18~21 行代码处理输入文件中余下的数据行。第 18 行代码创建一个空列表 row_list_output 来保存你要在每一行中保留的值。第 19 行代码中的 for 循环在 my_columns_index 中的索引值之间迭代，第 20 行代码将数据行中具有这些索引值的值加入 row_list_output。最后，第 21 行代码将 row_list_output 中的值写入输出文件。

在命令行中运行以下脚本：

python 7csv_reader_column_by_name.py supplier_data.csv output_files\7output.csv

你可以打开输出文件 7output.csv 查看一下结果。

02. pandas

要使用 pandas 根据列标题选取列，在文本编辑器中输入下列代码，然后将文件保存为 pandas_column_by_name.py（这个脚本读取 CSV 文件，将发票号码列与购买日期列打印到屏幕，并将同样的列写入输出文件）：

#!/usr/bin/env python3
import pandas as pd
import sys
input_file = sys.argv[1]
output_file = sys.argv[2]
data_frame = pd.read_csv(input_file)
data_frame_column_by_name = data_frame.loc[:, ['Invoice Number', 'Purchase Date']]
data_frame_column_by_name.to_csv(output_file, index=False)

这里又一次使用 loc 函数来选取列，这次使用的是列标题。

运行以下脚本：

python pandas_column_by_name.py supplier_data.csv output_files\pandas_output.csv

你可以打开输出文件 pandas_output.csv 查看一下结果。