Dépot Copyright

 CopyrightFrance.com

Cours Python

  1. Introduction à Python
  2. Ide Python
  3. Premier programme Python
  4. Les variables en Python
  5. Les commentaires en Python
  6. Les opérateurs Python
  7. Les fonctions en Python
  8. Structure If else... Python
  9. For While Python
  10. Formatage des chaines Python
  11. Les listes en Python
  12. Les tuples en Python
  13. Les dictionnaires en Python
  14. Les ensembles en Python
  15. POO et classes en Python
  16. Héritage en Python
  17. Les exceptions en Python
  18. Le gestionnaire des packages pip
  19. Télécharger le cours complet
  20. Les modules en Python
  21. Le module OS
  22. Module datetime Python
  23. Le module Platform
  24. Le module virtualenv
  25. Le Module PyInstaller
  26. Les fichiers en Python
  27. Les fichiers ouverture & lecture
  28. Les fichiers ouverture & écriture
  29. Les fichiers CSV en Python
  30. Les Fichiers JSON En Python
  31. Fichier de configuration .ini
  32. Python & SQLite database
  33. DB Browser for SQLite
  34. Interface Graphique Tkinter
  35. Les Windgets Tkinter
  36. Bibliothèque d'images PILLOW
  37. Module de style tkinter.ttk
  38. Liste déroulante ttk Combobox
  39. le module filedialog
  40. Projet: Création éditeur de texte
  41. Bibliothèque graphique wxPython
  42. Bibliothèque graphique PyQt5
  43. Télécharger le cours complet
  44. Le module Math
  45. La bibliothèque matplotlib
  46. Le module Python statistics
  47. Bibliothèque Sympy
  48. Bibliothèques Numpy
  49. Bibliothèques Scipy
  50. Bibliothèques Pandas
  51. Bibliothèques Scikit Learn
  52. Bibliothèques TensorFlow
  53. Python Machine Learning
  54. Introduction à Django
  55. Installation de Django
  56. Premier Projet Django
  57. Interface administrateur
  58. Créer une application django
  59. Les modèles de django
  60. Templates Django
  61. Les formulaires Django
  62. Fichiers Statiques Django
  63. Exercices Python: les bases
  64. Exercices Python: les classes
  65. Exercices Python: les fichiers
  66. Tous les TP Python
  67. Création Editeur de Texte en Python Partie1
  68. Carnet d'adresse en Python
  69. Formation Python-partie1

Utilisateurs en ligne

Users: 7 Guests, 3 Bots

Annonces Google

1 – A propos des Fichiers CSV

Le sigle CSV signifie ‘comma separated values‘ qui veut dire ‘valeurs séparées par des virgules’, qui est défini comme un format de fichier simple qui utilise une structuration spécifique pour organiser les données tabulaires. Il stocke des données tabulaires telles qu’une feuille de calcul ou une base de données en texte brut et a un format commun pour l’échange de données. Le fichier csv s’ouvre sous forme d’une feuille Excel et les données des lignes et des colonnes définissent le format standard.

2 – Comment stocker les données sur un fichiers csv





Prenons un petit exemple simple d’une table sql formée de colonne et quelque enregistrements. Pour stocker les données de cette table, le principe est très simple, il suffit de mettre chaque ligne de la table dans une ligne séparée sur le fichier csv et de séparer les valeurs par une virgule: d’où le sigle CSV, comma separated values‘ qui veut dire ‘valeurs séparées par des virgules’

3 – Fonctions associées au module Python CSV

Le  module CSV consiste à gérer les fichiers CSV pour lecture, écriture et obtention  des données à partir des colonnes spécifiées. Il existe différents types de fonctions CSV:

  1. csv.field_size_limit:   Il renvoie la taille de champ maximale actuelle autorisée par l’analyseur.
  2. csv.get_dialect:  Renvoie le dialecte associé à un nom.
  3. csv.list_dialects:   Renvoie les noms de tous les dialectes enregistrés.
  4. csv.reader:   Lire les données d’un fichier csv
  5. csv.register_dialect:   Il associe le dialecte à un nom, et le nom doit être une chaîne ou un objet Unicode.
  6. csv.writer:   Écrire les données dans un fichier csv
  7. csv.unregister_dialect:   Il supprime le dialecte qui est associé au nom du registre de dialecte. Si un nom n’est pas un nom de dialecte enregistré, une erreur est déclenchée.
  8. csv.QUOTE_ALL:   Il demande aux objets écrivain de citer tous les champs.
  9. csv.QUOTE_MINIMAL:  Il instruit les objets écrivain pour ne citer que les champs qui contiennent des caractères spéciaux tels que quotechar, delimiter, etc.
  10. csv.QUOTE_NONNUMERIC:  Il demande aux objets écrivain de citer tous les champs non numériques.
  11. csv.QUOTE_NONE:  Il indique à l’objet écrivain de ne jamais citer les champs.

4 – Lecture d’un fichier csv

4.1 – Lecture sous forme d’une liste via la méthode csv.reader()

Pour extraire des données d’un fichier CSV, vous devez utiliser la fonction de lecture csv.reader pour générer un objet contenant les données de lecture.

La méthode de lecture csv.reader est conçue pour prendre chaque ligne du fichier et faire une liste de toutes les colonnes. Ensuite, vous choisissez simplement la colonne pour laquelle vous voulez obtenir les données sous forme de variables.

Cela semble beaucoup plus compliqué qu’il ne l’est. Pour le prouver, regardons un exemple:

Essayons de lire le contenu d’un fichier nommé data.csv:

data.csv
 ID ,   Nom      ,    Age   ,  Taille
 1  ,   Natalie  ,    22    ,  170
 2  ,   Robert   ,    37    ,  190
 3  ,   Bernard	 ,    29    ,  181

Exemple: lecture totale

import csv
with open('data.csv', 'r') as f:
    reader = csv.reader(f , delimiter=',')
    for row in reader:
            print (row)

Ce qui affiche le contenu total du fichiers csv où chaque ligne est représentée par une liste.

[‘ ID ‘, ‘ Nom ‘, ‘ Age ‘, ‘ Taille’]
[‘ 1 ‘, ‘ Natalie ‘, ‘ 22 ‘, ‘ 170’]
[‘ 2 ‘, ‘ Robert ‘, ‘ 37 ‘, ‘ 190’]
[‘ 3 ‘, ‘ Bernard\t ‘, ‘ 29 ‘, ‘ 181’]

Exemple lecture d’une colonne spécifique

import csv
with open('data.csv', 'r') as f:
    reader = csv.reader(f , delimiter=',')
    print("Liste des noms : ")
    for row in reader:
            print (row[1])

Ce qui affiche la liste des noms de la table.

4.2 – Lecture sous forme d’un dictionnaire via la méthode csv.Dictreader()

Pour lire un fichier csv sous forme d’un dictionnaire, le principe est le même que celui du paragraphe précédent, mais à la différence de remplacer  la méthode csv.reader() par la méthode csv.DictReader():

import csv
with open('data.csv', 'r') as f:
    reader = csv.DictReader(f , delimiter=',')
    for row in reader:
            print (row)

Ce qui affiche après exécution:

OrderedDict([(‘ ID’, ‘ 1 ‘), (‘ Nom ‘, ‘ Natalie ‘), (‘ Age ‘, ‘ 22 ‘), (‘ Taille’, ‘ 170’)])
OrderedDict([(‘ ID’, ‘ 2 ‘), (‘ Nom ‘, ‘ Robert ‘), (‘ Age ‘, ‘ 37 ‘), (‘ Taille’, ‘ 190’)])
OrderedDict([(‘ ID’, ‘ 3 ‘), (‘ Nom ‘, ‘ Bernard ‘), (‘ Age ‘, ‘ 29 ‘), (‘ Taille’, ‘ 181’)])

4.3 – Lecture d’un fichier CSV avec Pandas

Pandas est une bibliothèque open source qui vous permet d’effectuer des manipulations de données en Python, elle vous offrent un moyen facile de créer, manipuler et supprimer les données. Vous devez installer la bibliothèque pandas avec la commande :

pip install pandas 

Sous Windows, vous exécuterez cette commande dans l’invite de commande, tandis que sous Linux dans le terminal.

La lecture d’un  CSV dans un DataFrame pandas est très rapide et facile:

import pandas
result = pandas.read_csv('data.csv')
print(result)

Ce qui affiche:

         ID Nom Age Taille
     1  Walid  19  180
     2  Najib  30  185
2     3  Majda  27  175

5 – Ecriture sur fichier CSV

Pour écrire sur un fichier csv en Python, on utilise la méthode: csv.writer() afin de créer un objet d’écriture et pour écrire une ligne, on utilise la méthode writerow():

Exemple:

import csv

data = [['ID', 'Nom', 'Age', 'Taille'] ,
        ['1', 'Walid', '19', '180'],
        ['2', 'Najib', '30', '185'],
        ['3', 'Majda', '27', '175']]
with open('data.csv', mode='w') as file:
    writer = csv.writer(file, delimiter=',')
    # write data
    for ligne in data:
        writer.writerow(ligne)

6 – Lecture d’ un fichier csv avec Panda

Pandas permet aussi d’écrire sur un fichier csv  des données provenant d’un  dictionnaire Python via la classe DataFrame.

Exemple

from pandas import DataFrame

# data sous forme d'un dictionnaire
dictData = {'ID': [1 , 2 , 3],
        'Nom': ['Robert', 'Albert', 'Natalie'],
        'Age': [23, 37, 21],
        'Taille': [180 , 175 , 170],
    }
dataFrm = DataFrame(dictData, columns= ['ID', 'Nom', 'Age', 'Taille'])
# chemin vers un fichier pour stocker les resultats
export_csv = dataFrm .to_csv (r'Pandaresult.csv', index = None, header=False) 
print (dataFrm )

Voici les données qui seront écrites sur le fichiers Pandaresult.csv:

     ID   Nom   Age   Taille
0       1   Robert   23   180
1       2   Albert   37   175
2      3   Natalie   21   170

7 – Conclusion

J’espère que maintenant vous avez appris les différentes techniques permettant de lire & écrire sur des fichiers csv. Les fichiers CSV sont largement utilisés dans les applications logicielles car ils sont faciles à lire et à gérer, et leur petite taille les rend relativement rapides pour le traitement et la transmission des données.

Le module csv fournit diverses méthodes et classes qui vous permettent de lire et d’écrire facilement sur un fichier csv. Et si vous souhaitez approfondir vos connaissances à propos du module csv, vous pouvez consulter la documentation officielle de Python. Nous pouvons donc conclure que CSV est le meilleur moyen pour enregistrer, visualiser et envoyer des données.

 

Younes Derfoufi
CRMEF OUJDA

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Time limit is exhausted. Please reload the CAPTCHA.