CSV

이름, 나이, 도시 철수, 25, 서울 영희, 30, 부산 민수, 28, 대구

import sys input_file = sys.argv[1] output_file = sys.argv[2] with open(input_file, 'r', newline='') as filereader: with open(output_file, 'w', newline='') as filewriter: header = filereader.readline() header = header.strip() header_list = header.split(',') print(header_list) filewriter.write(','.join(map(str,header_list))+'\n') for row in filereader: row = row.strip() row_list = row.split(',') print(row_list) filewriter.write(','.join(map(str,row_list))+'\n')

python 파일명 "입력csv파일경로" "출력csv파일경로"

import csv import sys input_file = sys.argv[1] output_file = sys.argv[2] with open(input_file, 'r', newline='') as csv_in_file: with open(output_file, 'w', newline='') as csv_out_file: filereader = csv.reader(csv_in_file, delimiter=',') filewriter = csv.writer(csv_out_file, delimiter=',') for row_list in filereader: filewriter.writerow(row_list)

import sys import pandas as pd input_file = sys.argv[1] output_file = sys.argv[2] data_frame = pd.read_csv(input_file) print(data_frame) data_frame.to_csv(output_file, index=False)

pip install pandas

import sys input_file = sys.argv[1] output_file = sys.argv[2]

python 파일명 "입력csv파일경로" "출력csv파일경로"

📦 workspace ├── 📁 path │ ├── 📁 input │ │ ├── 📜 example.csv │ │ ├── 📜 example2.xlsx │ │ └── ... │ ├── 📁 output │ │ ├── 📜 output.csv │ │ ├── 📜 output2.xlsx │ │ └── ... │ ├── 📄 example.py │ └── 📄 example2.py └── 📄 README.md

import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_file = path + '/input/' + input('입력 파일 : ') output_file = path + '/output/' + input('출력 파일 : ')

import csv import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_file = os.path.join(path, 'input', input('입력 파일 : ')) output_file = os.path.join(path, 'output', input('출력 파일 : ')) with open(input_file, 'r', newline='') as csv_in_file: with open(output_file, 'w', newline='') as csv_out_file: filereader = csv.reader(csv_in_file) # csv 읽기 모드 객체 생성 filewriter = csv.writer(csv_out_file) # csv 쓰기 모드 객체 생성 header = next(filereader) # 첫 행을 입력 filewriter.writerow(header) # 첫 행을 출력 for row_list in filereader: supplier = str(row_list[0]).strip() # 공급업체명 cost = str(row_list[3]).strip('$').replace(',', '') # 가격 # 조건으로 특정행 필터 if supplier == 'Supplier Z' and float(cost) > 600.0: filewriter.writerow(row_list)

import pandas as pd import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_file = path + '/input/' + input('입력 파일 : ') output_file = path + '/output/' + input('출력 파일 : ') # csv 읽어서 데이터프레임으로 가져온다 data_frame = pd.read_csv(input_file) # Cost 열에서 $ 기호를 제거, float(숫자) 타입으로 변환 (비교연산을 위해서) data_frame['Cost'] = data_frame['Cost'].str.strip('$').astype(float) # 특정행 필터링 # loc[ 행 라벨, 열 라벨 ] # : 데이터 프레임에서 지정한 행과 열을 선택한 함수 data_frame_value_meets_condition = data_frame.loc[(data_frame['Supplier Name']\ .str.contains('Z')) | (data_frame['Cost'] > 600.0), :] # ❓ OR : |, AND : & # data_frame.loc[ (A | B), : ] # : A 또는 B 조건을 만족하는 행을 선택하고, 모든 열을 선택 한다. # loc[ 행라벨, 열라벨 ] # ✅ 특정 행 또는 열을 선택하지 않는다면 : 으로 생략가능 # | : OR 연산 ( A 또는 B ) # (data_frame['Supplier Name']\.str.contains('Z')) # 1 - 데이터 프레임에서 'Supplier Name' 열을 문자열로 가져온다 # 2 - 'Supplier Name' 열에서 'Z' 가 포함된 여부를 반환한다. (True, False) # (data_frame['Cost'] > 600.0) # 1 - 데이터 프레임에서 'Cost' 열을 가져온다. (float) # 2 - 600.0 초과인 여부를 반환한다. (True, False) # 데이터프레임을 csv 파일로 출력 data_frame_value_meets_condition.to_csv(output_file, index=False)

import csv import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_file = path + '/input/' + input('입력 파일 : ') output_file = path + '/output/' + input('출력 파일 : ') important_dates = ['1/20/14', '1/30/14'] # 특정 날짜 집합을 리스트로 선인 with open(input_file, 'r', newline='') as csv_in_file: with open(output_file, 'w', newline='') as csv_out_file: filereader = csv.reader(csv_in_file) filewriter = csv.writer(csv_out_file) header = next(filereader) filewriter.writerow(header) for row_list in filereader: a_date = row_list[4] # 구매일자 if a_date in important_dates: # 특정 리스트에 포함 여부 반환 filewriter.writerow(row_list)

import pandas as pd import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_file = path + '/input/' + input('입력 파일 : ') output_file = path + '/output/' + input('출력 파일 : ') data_frame = pd.read_csv(input_file) important_dates = ['1/20/14', '1/30/14'] # 특정 날짜 집합을 리스트로 선언 # 데이터프레임.loc[ 행라벨, 열라벨 ] # : 데이터프레임의 특정 행 및 열을 선택하는 함수 data_frame_value_in_set = data_frame.loc[data_frame['Purchase Date']\ .isin(important_dates), :] # data_frame['Purchase Date'] : Series 객체 # -> 데이터 프레임에서 특정 열을 선택하면 그 구조는 시리즈가 된다. # isin() # : 해당 Series 객체의 특정 값이나 집합에 속하는지 여부를 반환 (True, False) data_frame_value_in_set.to_csv(output_file, index=False)

import csv import re import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_file = path + '/input/' + input('입력 파일 : ') output_file = path + '/output/' + input('출력 파일 : ') # 정규 표현식 패턴 설정 pattern = re.compile(r'(?P<my_pattern_group>^001-.*)', re.I) # re.I : 대소문자 구분 없이 매칭 print('pattern : {}'.format( pattern )) # ^001-.* # 1 - ^001- : 001- 로 시작하는 패턴 매칭 # 2 - .* : . 은 한문자 대체, * 0 회이상 ➡ 한 문자 이상 매칭 # ➡ 001- 뒤에 한 문자 이상인 패턴을 매칭 with open(input_file, 'r', newline='') as csv_in_file: with open(output_file, 'w', newline='') as csv_out_file: filereader = csv.reader(csv_in_file) filewriter = csv.writer(csv_out_file) header = next(filereader) filewriter.writerow(header) for row_list in filereader: invoice_number = row_list[1] # invoice_number if pattern.search(invoice_number): # 패턴 확인 filewriter.writerow(row_list)

import pandas as pd import re import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_file = path + '/input/' + input('입력 파일 : ') output_file = path + '/output/' + input('출력 파일 : ') data_frame = pd.read_csv(input_file) # ix[ , ] # : deperecated (더 이상 사용 권장) ➡ 버전 업데이트 되면서 새로 다른 문법이 대체 # ix[ , ] ➡ loc[ , ] # '001-' 로 시작하는 행을 선택하여 반환 # condition = data_frame['Invoice Number'].str.startswith("001-") # 'Z' 로 끝나는 행을 선택하여 반환 # condition = data_frame['Supplier Name'].str.endswith('Z') # match(정규표현식) : 문자열에서 정규표현식에 따라 패턴 매칭 pattern = re.compile(r'(?P<my_pattern_group>^001-.*)', re.I) condition = data_frame['Invoice Number'].str.match(pattern) data_frame_value_matches_pattern = data_frame.loc[ condition, : ] data_frame_value_matches_pattern.to_csv(output_file, index=False)

import csv import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_file = path + '/input/' + input('입력 파일 : ') output_file = path + '/output/' + input('출력 파일 : ') # 0, 3 번 인덱스에 해당하는 열을 선택하기 위한 리스트 my_columns = [0, 3] with open(input_file, 'r', newline='') as csv_in_file: with open(output_file, 'w', newline='') as csv_out_file: filereader = csv.reader(csv_in_file) filewriter = csv.writer(csv_out_file) for row_list in filereader: row_list_output = [ ] # my_columns 리스트 반복 - index_value : 0, 3 for index_value in my_columns: # row_list[0] : 공급자명(supplier name) # row_list[3] : 가격(cost) row_list_output.append(row_list[index_value]) filewriter.writerow(row_list_output)

import pandas as pd import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_file = path + '/input/' + input('입력 파일 : ') output_file = path + '/output/' + input('출력 파일 : ') data_frame = pd.read_csv(input_file) # loc[ 행라벨 , 열라벨 ] # : 행라벨, 열라벨으로 데이터 선택 # iloc[ 행index, 열index ] # index + location - index 를 기반으로 데이터프레임의 행과 열을 선택하는 함수 # iloc[ 행 , 열 [0,3] ] # : 0, 3 번 index 에 해당하는 열을 선택 # data_frame_column_by_index = data_frame.iloc[:, [0, 3]] # 1~3열 (Supplier Name,Invoice Number,Part Number)를 선택 # - 리스트에 지정할 index 를 담아서 선택 # data_frame_column_by_index = data_frame.iloc[:, [0, 1, 2] ] # - index 범위로 선택 data_frame_column_by_index = data_frame.iloc[:, 0:3 ] data_frame_column_by_index.to_csv(output_file, index=False)

import csv import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_file = path + '/input/' + input('입력 파일 : ') output_file = path + '/output/' + input('출력 파일 : ') my_columns = ['Invoice Number', 'Purchase Date'] my_columns_index = [] with open(input_file, 'r', newline='') as csv_in_file: with open(output_file, 'w', newline='') as csv_out_file: filereader = csv.reader(csv_in_file) filewriter = csv.writer(csv_out_file) header = next(filereader) for index_value in range(len(header)): if header[index_value] in my_columns: my_columns_index.append(index_value) # [ 1, 4 ] filewriter.writerow(my_columns) for row_list in filereader: row_list_output = [ ] for index_value in my_columns_index: row_list_output.append(row_list[index_value]) filewriter.writerow(row_list_output)

import pandas as pd import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_file = path + '/input/' + input('입력 파일 : ') output_file = path + '/output/' + input('출력 파일 : ') data_frame = pd.read_csv(input_file) # 선택할 열 리스트 select_list = ['Invoice Number', 'Purchase Date'] # loc[ 행라벨, 열라벨 ] data_frame_column_by_name = data_frame.loc[ :, select_list ] data_frame_column_by_name.to_csv(output_file, index=False)

import csv import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_file = path + '/input/' + input('입력 파일 : ') output_file = path + '/output/' + input('출력 파일 : ') row_counter = 0 with open(input_file, 'r', newline='') as csv_in_file: with open(output_file, 'w', newline='') as csv_out_file: filereader = csv.reader(csv_in_file) filewriter = csv.writer(csv_out_file) for row in filereader: # index 3~10 까지 연속된 행 선택 if row_counter >= 3 and row_counter <= 10: filewriter.writerow([value.strip() for value in row]) row_counter += 1

import pandas as pd import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_file = path + '/input/' + input('입력 파일 : ') output_file = path + '/output/' + input('출력 파일 : ') data_frame = pd.read_csv(input_file, header=None) print('삭제 전') print(data_frame) header = data_frame.iloc[0] # drop() # : 데이터프레임의 특정 행을 삭제하는 함수 data_frame = data_frame.drop([0,1,2,3,4]) print('삭제 후') print(data_frame) # iloc[0] # : index를 기준으로 특정 행,열을 선택하는 함수 data_frame.columns = header print('iloc[0] 이후') print(data_frame) # reindex() # : 데이터프레임에서 행을 재구성하는 함수 # data_frame.reindex(data_frame.index.drop(3)) # - 인덱스 3인 행을 삭제 후, 삭제된 새로운 데이터프레임을 재구성하여 반환 # new_index = range( len(data_frame) ) # range( 8 ) -> (0:7) # data_frame = data_frame.reindex([0,1,2,3,4,5,6,7]) # print('reindex() : 인덱스 재구성 후') # print(data_frame) # 인덱스 재구성 data_frame.reset_index(drop=True, inplace=True) # data_frame.reset_index() print('reset_index() ') print(data_frame) data_frame.to_csv(output_file, index=True)

import csv import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_file = path + '/input/' + input('입력 파일 : ') output_file = path + '/output/' + input('출력 파일 : ') with open(input_file, 'r', newline='') as csv_in_file: with open(output_file, 'w', newline='') as csv_out_file: filereader = csv.reader(csv_in_file) filewriter = csv.writer(csv_out_file) header_list = ['Supplier Name', 'Invoice Number', \ 'Part Number', 'Cost', 'Purchase Date'] filewriter.writerow(header_list) for row in filereader: filewriter.writerow (row)

import pandas as pd import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_file = path + '/input/' + input('입력 파일 : ') output_file = path + '/output/' + input('출력 파일 : ') header_list = ['Supplier Name', 'Invoice Number', \ 'Part Number', 'Cost', 'Purchase Date'] # header=None : 헤더 없이 입력 # names=[추가할 헤더] : 헤더를 추가해 입력 data_frame = pd.read_csv(input_file, header=None, names=header_list) data_frame.to_csv(output_file, index=False)

import csv import glob import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_path = path + '/input/' file_counter = 0 # glob.glob() 함수로, input_path에서 sales_로 시작하는 모든 파일의 경로를 생성 for input_file in glob.glob(os.path.join(input_path,'sales_*')): row_counter = 1 # 각 파일의 행 수를 세기 위한 변수 초기화 with open(input_file, 'r', newline='') as csv_in_file: filereader = csv.reader(csv_in_file) header = next(filereader) # 첫 번째 행은 헤더 for row in filereader: row_counter += 1 # 각 행마다 행 수 증가 # 파일 이름, 행 수, 열 수 출력 print('{0!s}: \t{1:d} rows \t{2:d} columns'.format(\ os.path.basename(input_file), row_counter, len(header))) file_counter += 1 # 파일 수 증가 print('Number of files: {0:d}'.format(file_counter)) # 총 파일 수 출력

import csv import glob import os # 실행 프로그램의 경로 program_path = os.path.abspath(__file__) # 디렉터리 경로 - 이 안의 input, output 폴더에서 입출력한다. path = os.path.dirname(program_path) # 입력파일, 출력파일 input_path = path + '/input/' output_file = path + '/output/' + input('출력 파일 : ') first_file = True # glob 모듈을 사용해서, * 등의 와일드카드로 여러 파일을 매치해서 가져온다 for input_file in glob.glob(os.path.join(input_path,'sales_*')): print(os.path.basename(input_file)) with open(input_file, 'r', newline='') as csv_in_file: with open(output_file, 'a', newline='') as csv_out_file: filereader = csv.reader(csv_in_file) filewriter = csv.writer(csv_out_file) if first_file: for row in filereader: filewriter.writerow(row) first_file = False else: header = next(filereader) for row in filereader: filewriter.writerow(row)

import pandas as pd import glob import os program_path = os.path.abspath(__file__) path = os.path.dirname(program_path) # 입력경로, 출력파일 input_path = path + '/input/' output_file = path + '/output/' + input('출력 파일 : ') # glob.glob() 함수로, input_path에서 sales_로 시작하는 모든 파일의 경로를 생성 all_files = glob.glob(os.path.join(input_path,'sales_*')) all_data_frames = [] # 여러 파일 경로들을 반복하여 csv 파일을 입력 for file in all_files: data_frame = pd.read_csv(file, index_col=None) # CSV 파일 입력 all_data_frames.append(data_frame) # 리스트에 데이터 프레임 추가 # concat() 함수로 데이터프레임 리스트를 하나의 데이터프레임으로 병합 data_frame_concat = pd.concat(all_data_frames, axis=0, ignore_index=True) # 데이터프레임을 CSV 파일로 출력 data_frame_concat.to_csv(output_file, index = False)

import csv import glob import os program_path = os.path.abspath(__file__) path = os.path.dirname(program_path) # 입력경로, 출력파일 input_path = path + '/input/' output_file = path + '/output/' + input('출력 파일 : ') output_header_list = ['file_name', 'total_sales', 'average_sales'] csv_out_file = open(output_file, 'a', newline='') filewriter = csv.writer(csv_out_file) filewriter.writerow(output_header_list) # "sales_" 로 시작하는 여러 파일 경로 생성 for input_file in glob.glob(os.path.join(input_path,'sales_*')): # salse_2013.csv, salse_2014.csv, ... 차례로 읽어옴 with open(input_file, 'r', newline='') as csv_in_file: filereader = csv.reader(csv_in_file) output_list = [ ] # 읽어온 CSV 파일경로를 출력 데이터 리스트에 추가 output_list.append(os.path.basename(input_file)) header = next(filereader) # 합계, 개수 변수 선언 total_sales = 0.0 number_of_sales = 0.0 for row in filereader: sale_amount = row[3] # 합계 계산 total_sales += float(str(sale_amount).strip('$').replace(',','')) # 개수 카운팅 number_of_sales += 1.0 # 평균 계산 average_sales = '{0:.2f}'.format(total_sales / number_of_sales) # 출력 데이터 리스트에 합계 추가 output_list.append(total_sales) # 출력 데이터 리스트에 평균 추가 output_list.append(average_sales) # [입력파일명.csv,합계,평균] 형식으로 한 줄 출력 filewriter.writerow(output_list) csv_out_file.close()

import pandas as pd import glob import os program_path = os.path.abspath(__file__) path = os.path.dirname(program_path) # 입력경로, 출력파일 input_path = path + '/input/' output_file = path + '/output/' + input('출력 파일 : ') all_files = glob.glob(os.path.join(input_path,'sales_*')) all_data_frames = [] for input_file in all_files: data_frame = pd.read_csv(input_file, index_col=None) # 합계 # 1. 데이터 프레임에서 Sales Amount 열 선택 # 2. 리스트 내포로 데이터에서 $ 및 , 기호 제거 # 3. 판다스 DataFrame의 sum() 함수로 리스트의 합계 구함 total_sales = pd.DataFrame([float(str(value).strip('$').replace(',','')) \ for value in data_frame.loc[:, 'Sale Amount']]).sum() # 평균 # 1. 데이터 프레임에서 Sales Amount 열 선택 # 2. 리스트 내포로 데이터에서 $ 및 , 기호 제거 # 3. 판다스 DataFrame의 mean() 함수로 리스트의 평균 구함 average_sales = pd.DataFrame([float(str(value).strip('$').replace(',','')) \ for value in data_frame.loc[:, 'Sale Amount']]).mean() # data 딕셔너리 선언 data = {'file_name': os.path.basename(input_file), 'total_sales': total_sales, 'average_sales': average_sales} # data 딕셔너리로 컬럼명을 지정하여, 데이터 프레임 리스트에 한 CSV 파일의 합계 및 평균 추가 all_data_frames.append(pd.DataFrame(data, columns=['file_name', 'total_sales', 'average_sales'])) # 데이터 프레임 리스트(각 CSV 파일의 합계평균 리스트)를 하나의 데이터 프레임으로 병합 data_frames_concat = pd.concat(all_data_frames, axis=0, ignore_index=True) # 데이터 프레임을 CSV 파일로 출력 data_frames_concat.to_csv(output_file, index = False)