CSV（Comma-Separated Values，逗号分隔值，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。
CSV 是一种通用的、相对简单的文件格式，被用户、商业和科学广泛应用。
AttributeError: partially initialized module 'pandas' has no attribute 'read_csv' (most likely due to a circular import)
升级 Pandas
pip install --upgrade pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
如果代码点进去，能看到有
read_csv
方法 ，但还报不存在，检查一下文件名，开始我使用的是
csv.py
估计是冲突了
demo.json
"name":"张三",
"age":23,
"gender":true
"name":"李四",
"age":24,
"gender":true
"name":"王五",
"age":25,
"gender":false
JSON 转换为 CSV
非常方便，只要通过
pd.read_json
读出JSON数据，再通过 df.to_csv 写入 CSV 即可
import pandas as pd
json_path = 'data/demo.json'
# 加载 JSON 数据
with open(json_path, 'r', encoding='utf8') as f:
# 解析一个有效的JSON字符串并将其转换为Python字典
df = pd.read_json(f.read())
print(df.to_string()) # to_string() 用于返回 DataFrame 类型的数据，我们也可以直接处理 JSON 字符串。
print('-' * 10)
# 重新定义标题
df.columns = ['姓名', '年龄', '性别']
print(df)
df.to_csv('data/result.csv', index=False, encoding='GB2312')
CSV 转 JSON
import csv
import json
# 读取CSV文件
with open('data/result.csv', 'r', encoding='utf-8') as csv_file:
# csv.DictReader创建一个CSV读取器,它将读取到的数据转换为列表。
csv_reader = csv.DictReader(csv_file)
data = [row for row in csv_reader]
# 将数据转换为JSON格式,
ensure_ascii 中文直接显示
indent=4 格式化，参数则使生成的JSON格式更美观。
json_data = json.dumps(data, ensure_ascii=False, indent=4)
print(json_data)
# 将JSON数据写入文件
with open('data/output.json', 'w', encoding='utf-8') as json_file:
json_file.write(json_data)
行、列操作
import pandas as pd
df = pd.read_csv('data/result.csv', encoding='GB2312')
print(df.to_string()) # 如果不使用该函数，则输出结果为数据的前面 5 行和末尾 5 行，中间部分以 ... 代替。
print(('-' * 10) + " 取前 N 行")
# head( n ) 方法用于读取前面的 n 行，如果不填参数 n ，默认返回 5 行。
print(df.head(1))
print(('-' * 10) + " 取尾部 N 行")
# tail( n ) 方法用于读取尾部的 n 行，如果不填参数 n ，默认返回 5 行，空行各个字段的值返回 NaN。
print(df.tail(2))
print(('-' * 10) + " info() 方法返回表格的一些基本信息：")
# info() 方法返回表格的一些基本信息：
print(df.info())
结果输出：
姓名 年龄 性别
0 张三 23 True
1 李四 24 True
2 王五 25 False
---------- 取前 N 行
姓名 年龄 性别
0 张三 23 True
---------- 取尾部 N 行
姓名 年龄 性别
1 李四 24 True
2 王五 25 False
---------- info() 方法返回表格的一些基本信息：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 姓名 3 non-null object
1 年龄 3 non-null int64
2 性别 3 non-null bool
dtypes: bool(1), int64(1), object(1)
memory usage: 179.0+ bytes
