python - Python：跳过 csv.DictReader 中标有 # 的注释行

Question

使用csv.DictReader处理 CSV 文件很棒 - 但我有带有注释行的 CSV 文件（在行首用哈希表示），例如：

# step size=1.61853
val0,val1,val2,hybridisation,temp,smattr
0.206895,0.797923,0.202077,0.631199,0.368801,0.311052,0.688948,0.597237,0.402763
-169.32,1,1.61853,2.04069e-92,1,0.000906546,0.999093,0.241356,0.758644,0.202382
# adaptation finished

csv 模块不包含任何跳过此类行的方法。

我可以轻松地做一些 hacky 的事情，但我想有一种很好的方法可以将 a 包裹csv.DictReader在其他一些迭代器对象周围，它会预处理以丢弃这些行。

Answer 1

实际上，这很好地适用于filter：

import csv
fp = open('samples.csv')
rdr = csv.DictReader(filter(lambda row: row[0]!='#', fp))
for row in rdr:
    print(row)
fp.close()

Answer 2

好问题。Python 的 CSV 库缺乏对注释的基本支持（在 CSV 文件的顶部并不少见）。虽然 Dan Stowell 的解决方案适用于 OP 的特定情况，但它的局限性在于#必须作为第一个符号出现。更通用的解决方案是：

def decomment(csvfile):
    for row in csvfile:
        raw = row.split('#')[0].strip()
        if raw: yield raw

with open('dummy.csv') as csvfile:
    reader = csv.reader(decomment(csvfile))
    for row in reader:
        print(row)

例如，以下dummy.csv文件：

# comment
 # comment
a,b,c # comment
1,2,3
10,20,30
# comment

返回

['a', 'b', 'c']
['1', '2', '3']
['10', '20', '30']

当然，这同样适用于csv.DictReader().

Answer 3

另一种读取 CSV 文件的方法是使用pandas

这是一个示例代码：

df = pd.read_csv('test.csv',
                 sep=',',     # field separator
                 comment='#', # comment
                 index_col=0, # number or label of index column
                 skipinitialspace=True,
                 skip_blank_lines=True,
                 error_bad_lines=False,
                 warn_bad_lines=True
                 ).sort_index()
print(df)
df.fillna('no value', inplace=True) # replace NaN with 'no value'
print(df)

对于这个 csv 文件：

a,b,c,d,e
1,,16,,55#,,65##77
8,77,77,,16#86,18#
#This is a comment
13,19,25,28,82

我们会得到这个输出：

       b   c     d   e
a                     
1    NaN  16   NaN  55
8   77.0  77   NaN  16
13  19.0  25  28.0  82
           b   c         d   e
a                             
1   no value  16  no value  55
8         77  77  no value  16
13        19  25        28  82

Answer 4

只需从@sigvaldm 的解决方案中发布错误修复。

def decomment(csvfile):
for row in csvfile:
    raw = row.split('#')[0].strip()
    if raw: yield row

with open('dummy.csv') as csvfile:
    reader = csv.reader(decomment(csvfile))
    for row in reader:
        print(row)

CSV 行可以在带引号的字符串中包含“#”字符并且完全有效。以前的解决方案是切断包含“#”字符的字符串。