Python数据文件读写全攻略：从CSV到Excel实战技巧

1. 为什么需要掌握Python数据文件读写技能

在日常数据处理工作中，Excel等表格文件是最常见的数据载体。作为Python开发者，我经常需要处理来自业务部门的各种报表数据。记得有一次市场部门发来30多个Excel文件，要求合并分析用户行为数据。如果手动操作，不仅效率低下，还容易出错。正是这次经历让我系统整理了Python处理数据文件的各种方法。

Python生态中有多个成熟的库可以处理Excel、CSV等格式，每个库都有其适用场景。掌握这些工具能让你在面对数据搬运任务时游刃有余，将更多精力放在核心的数据分析逻辑上。下面我将分享这些年积累的实战经验，从基础操作到高级技巧，帮你构建完整的数据文件处理知识体系。

2. 基础文件格式处理方案

2.1 CSV文件的读写之道

CSV作为最简单的表格格式，是数据交换的通用语言。Python内置的csv模块就能完美处理：

python复制import csv

# 写入CSV文件
with open('data.csv', 'w', newline='') as f:
    writer = csv.writer(f)
    writer.writerow(['姓名', '年龄', '城市'])  # 写入表头
    writer.writerow(['张三', 28, '北京'])
    
# 读取CSV文件
with open('data.csv', 'r') as f:
    reader = csv.reader(f)
    for row in reader:
        print(row)

注意：newline=''参数在Windows下必须指定，否则会出现空行问题

对于包含中文的CSV文件，建议指定编码格式：

python复制with open('data.csv', 'w', newline='', encoding='utf-8-sig') as f:
    # utf-8-sig会添加BOM头，确保Excel正确识别编码

实际应用技巧：

• 处理大型CSV文件时，建议使用csv.DictReader/DictWriter，通过字段名而非位置索引访问数据
• 遇到特殊分隔符的文件（如TSV），可通过delimiter参数指定：csv.reader(f, delimiter='\t')
• 需要处理含换行符的字段时，设置quoting=csv.QUOTE_ALL

2.2 JSON文件的灵活应用

虽然JSON不是表格格式，但在数据存储和传输中非常常见：

python复制import json

data = {
    "employees": [
        {"name": "张三", "age": 28},
        {"name": "李四", "age": 32}
    ]
}

# 写入JSON文件
with open('data.json', 'w', encoding='utf-8') as f:
    json.dump(data, f, ensure_ascii=False, indent=2)

# 读取JSON