Python处理CSV文件中，选择pandas是一个常用的方法，本文介绍了使用pandas读取和写入CSV文件的技巧，希望对大家有所帮助。

1. 使用 pandas 读取 CSV 文件

原始数据包含了公司员工的数据：

将 CSV 文件读入 pandas DataFrame 快速而直接

import pandas
df = pandas.read_csv('hrdata.csv')
print(df)

就这样简单：仅仅三行代码，而且其中只有一行真正有用。pandas.read_csv() 打开、分析并读取提供的 CSV 文件，并将数据存储在 DataFrame 中。

首先，pandas 识别到 CSV 的第一行包含列名，并自动使用它们。
但是，pandas 也在 DataFrame 中使用从零开始的整数索引，那是因为没有告诉它我们的索引应该是什么。
此外，如果查看列的数据类型，会看到 pandas 已将 Salary and Sick Days 剩余列正确转换为数字，但 Hire Date 列仍然是 String，这在交互模式下很容易确认：

让我们一次解决这些问题，要使用其他列作为 DataFrame 的索引，添加 index_col 可选参数：

df2 = pandas.read_csv(‘hrdata.csv’, index_col=’Name’)
print(df2)

现在，Name 字段就是我们的 DataFrame 索引：

接下来，让我们修复「Hire Date」字段的数据类型。可以使用 parse_dates 可选参数强制pandas 将数据作为日期读取，该参数定义为要作为日期处理的列名列表：

df3 = pandas.read_csv(‘hrdata.csv’, index_col=’Name’, parse_dates=[‘Hire Date’])
print(df3)

如果 CSV 文件的第一行中没有列名，则可以使用 names 可选参数来提供列名的列表。 如果要覆盖第一行中提供的列名，也可以使用此选项。 在这种情况下，还必须使用header = 0可选参数告诉 pandas.read_csv()忽略现有列名：

df4 = pandas.read_csv('hrdata.csv', 
            index_col='Employee', 
            parse_dates=['Hired'], 
            header=0, 
            names=['Employee', 'Hired','Salary', 'Sick Days'])
print(df4)

请注意，由于列名称已更改，因此还必须更改index_col和parse_dates可选参数中指定的列。

2. 使用 pandas 写入 CSV 文件

当然，如果无法将数据从 pandas 中输出，那 pandas 可能没有多大好处。将 DataFrame 写入CSV 文件就像读取一个文件一样简单。下面让我们将带有新列名称的数据写入新的 CSV 文件：

df5 = pandas.read_csv('hrdata.csv', 
            index_col='Employee', 
            parse_dates=['Hired'],
            header=0, 
            names=['Employee', 'Hired', 'Salary', 'Sick Days'])
df5.to_csv('hrdata_modified.csv')

此代码与上述读取代码之间的唯一区别是 print(df) 替换为 df.to_csv()，以上为python中使用pandas写入和读取CSV的方法。