使用Python进行数据分析时，CSV文件导入的两种方法
在使用 Python 进行数据分析时，有多种方法可以导入 CSV 文件，下面详细介绍两种常用的方法：
1. 使用csv模块
csv模块是 Python 标准库的一部分，无需额外安装。它提供了一种简单且基础的方式来读取和写入 CSV 文件。
python
import csv
# 打开 CSV 文件
with open('example.csv', 'r', newline='', encoding='utf-8') as csvfile:
# 创建 CSV 读取器对象
reader = csv.reader(csvfile)
# 遍历每一行
for row in reader:
print(row)
在上述代码中，csv.reader()函数会创建一个迭代器，逐行读取 CSV 文件。每一行数据都会被解析为一个字符串列表。
2. 使用pandas库
pandas是一个强大的数据分析库，提供了read_csv()函数，它可以非常方便地将 CSV 文件导入为DataFrame对象，这在数据分析中是非常常用的数据结构。
python
import pandas as pd
# 读取 CSV 文件
df = pd.read_csv('example.csv')
# 查看数据的基本信息
print('数据基本信息：')
df.info()
# 查看数据集行数和列数
rows, columns = df.shape
if rows < 10:
# 短表数据（行数少于10）查看全量数据信息
print('数据全部内容信息：')
print(df.to_csv(sep='\t', na_rep='nan'))
else:
# 长表数据查看数据前几行信息
print('数据前几行内容信息：')
print(df.head().to_csv(sep='\t', na_rep='nan'))
在上述代码中，pd.read_csv()函数会将 CSV 文件的内容读取到一个DataFrame对象中。你可以对这个DataFrame对象进行各种数据分析操作，如数据清洗、统计分析、可视化等。
方法比较
csv模块：适合处理简单的 CSV 文件，尤其是需要逐行处理数据的场景。它不需要额外安装库，并且提供了更底层的控制。pandas库：适合处理大规模的 CSV 文件和进行复杂的数据分析。它提供了高级的数据处理和分析功能，如数据筛选、排序、分组等。
你可以根据具体的需求选择合适的方法。如果只是简单地读取 CSV 文件内容，csv模块就足够了；如果需要进行更复杂的数据分析，建议使用pandas库。