python讀取多個(gè)csv文件中某一列，并生成一個(gè)新csv文件？CSV可以直接作為文本讀取。它的格式是一行，由幾列逗號(hào)分隔，這與文本文件相同。讀取CSV后，用逗號(hào)分隔列，然后將需要的列寫(xiě)入新文件。只是

python讀取多個(gè)csv文件中某一列，并生成一個(gè)新csv文件？

CSV可以直接作為文本讀取。它的格式是一行，由幾列逗號(hào)分隔，這與文本文件相同。讀取CSV后，用逗號(hào)分隔列，然后將需要的列寫(xiě)入新文件。只是提供想法，我不會(huì)寫(xiě)代碼。我可以用打開(kāi)的拆分讀線讀取文件

python讀取csv文件中帶有小數(shù)點(diǎn)的的文件？

！f=pd.readCSV（“file name”，encoding=“GB2312”）

讀取文件中某些列的數(shù)據(jù)

data=F6。LOC[：，[“column name 1”，“column name 2”

]假設(shè)數(shù)據(jù)有這些列{“a”，“B”，“C”}

]如果a列的數(shù)據(jù)是{60ml，250ml，250ml，60ml，250ml，250ml，60ml，60ml，250ml，250ml，60ml，}

]只有{60250250，60250250，60，60250250，60，}可以直接寫(xiě)為：

data[“a”]=data[“a”]結(jié)構(gòu)提取物（”（d）)“，expand=false）

數(shù)據(jù)[”a“]。Astype（int）

如果列中有小數(shù)，如{8.86℃、8.86℃、8.86℃、8.86℃、8.86℃}，如果有負(fù)數(shù)，則正則化改為：-？D（？）

數(shù)據(jù)[“a”]=數(shù)據(jù)[“a”]結(jié)構(gòu)提取物（”（d（？）？：.d）？）“，如果列是一個(gè)百分比，例如{55%，63%，72%，52%，72%}

data[”a“]=data[”a“]結(jié)構(gòu)提取物（”（d（？）？：.d）？）“，Expand=false）

數(shù)據(jù)[”a“]。Astype（float）=數(shù)據(jù)[“a”]。Astype（float）*0.01

這樣就可以得到{0.55，0.63，0.72，0.52，0.72}

大量的數(shù)據(jù)。更推薦使用Python和VBA在內(nèi)存中存儲(chǔ)數(shù)據(jù)。當(dāng)數(shù)據(jù)沒(méi)有分割，計(jì)算機(jī)配置不高時(shí)，會(huì)出現(xiàn)更多的卡。經(jīng)過(guò)數(shù)據(jù)處理后，計(jì)算機(jī)在不釋放內(nèi)存的情況下也會(huì)更加無(wú)卡化VBA一般只啟動(dòng)兩個(gè)CPU核進(jìn)行數(shù)據(jù)計(jì)算，運(yùn)算效率也相對(duì)較低。現(xiàn)在微軟已經(jīng)停止更新VBA了，更建議大家學(xué)習(xí)python。如果只操作excel，兩種學(xué)習(xí)難度相差不大，但是Python會(huì)有更好的發(fā)展空間

還有一種更方便的方法，那就是使用power Bi三個(gè)組件進(jìn)行數(shù)據(jù)處理，使用power query進(jìn)行數(shù)據(jù)處理，PowerPivot進(jìn)行分析，power query進(jìn)行數(shù)據(jù)處理的優(yōu)勢(shì)數(shù)據(jù)可視化的主要觀點(diǎn)是學(xué)習(xí)周期短，數(shù)據(jù)可以自動(dòng)刷新，啟動(dòng)時(shí)間相對(duì)較快。使用這種方法，效率可能比excel快，但速度仍然不如python快。當(dāng)然，為了長(zhǎng)期的可持續(xù)性，建議大家學(xué)習(xí)python，但起步時(shí)間會(huì)比較長(zhǎng)