Python是目前最火的语言之一，无论是做开发、测试、数据分析、后端，还是办公自动化，都可以帮你轻松解决一些重复琐碎的工作。而在日常的工作中，经常会打交道的就是文件的处理，其中CSV文件又是经常使用到的一种格式。
今天我们就给大家分享5招，让你能优雅地读取CSV文件。
先来看一下一个典型的数据集stocks.csv：
这是一个股票的数据集，就是常见的表格数据，有股票代码，价格，日期，时间，价格变动和成交量。你也可以自己创建一个数据集，只要有自己的表头和数据即可。
第一招：简单的读取
我们先来看一种简单读取方法，先用csv.reader()函数读取文件的句柄f生成一个csv的句柄，其实就是一个迭代器，我们看一下这个reader的源码：
传给reader一个可迭代对象或者是文件的object，然后返回一个可迭代对象。
- 首先读取csv 文件，然后用csv.reader生成一个csv迭代器f_csv
- 然后利用迭代器的特性，next(f_csv)获取csv文件的头，也就是表格数据的头
- 接着利用for循环，一行一行打印row的内容，也就是表格数据的身体
这是最常见的csv读取方法，估计80%以上的人都只用这一招。但其实csv还有更灵活的读取方法。
第二招：用nametuple
上面第一招是最简单的，下面我们用nametuple 来包裹一下这个生成的row数据：
- nametuple其实是一个非常有用的类，这个类属于collections模块，而这个模块简直就是一个百宝箱，里面有非常多的实用的库；
- 这里我们用next(f_csv)其实就是获取表格的头部来初始化这个Row；
- 然后循环来构造这个Row的数据，把我们表格里面的每一行的数据都转成nametuple格式的row_info;
- 这样做的好处就是你可以随心所欲的访问这个row_info里面的数据，就想访问类数据一样，比如row_info.price
第三招：用tuple类型转换
如果我们对csv数据每一行的类型都非常清楚的话，那可以直接用一个设定好的数据格式转换头来对数据进行转换。
操作的步骤其实跟上面差不多，就是对数据结果的清洗处理稍微不一样。这里非常巧妙的zip来构造一个嵌套的数据列表，然后用convert(data)把csv文件里面每一行的数据进行类型转换，这招真的很好用！
看一下结果：
第四招：用DictReader
上面用的nametuple其实也是一个数据的映射，有没有什么方法可以直接把csv的内容用映射的方法读取，直接出来一个字典？
还真有的，来看一下代码：
是不是非常简洁？原来csv模块直接内置了DictReader()，按照字典的方法进行读取，然后生成一个有序的字典，看一下结果：
有兴趣的可以看一下这个DictReader()的源码，它其实一个内部构造的迭代器类，在内部的__next__其实也是用的OrderedDict(zip(self.fieldnames, row))来生成的。
第五招：用字典转换
如果我们需要对这个csv里面的数据进行清洗，因为读出来的时候都是字符串，我们需要更新为特定的数据类型，这个时候也可以用字典转换这一招，也是非常巧妙的，我们看一下源码：
原来的数据价格Price和成交量，假如希望最后读取生成的是一个浮点型数据和整形的数据，那么用一个字典来巧妙的更新key即可。
- 首先我们声明一个自定义的类型转换器field_types;
- 然后循环生成一个可迭代的对象(key,conversion(row[key]);
- 最后更新一下字典里面相同的key,比如row['price']的内容就会被更新了。
看完上面这5招，是不是才发现，原来Python读取csv文件读取还有这么花样！即便你平常只用最简单的第一招就够了，但能看懂并理解其他的代码，对你的代码能力和思路也很有帮助。多看代码、多写代码是学习编程的最有效方式。通过不断地练习，你也一定可以写出非常pythonic的代码。
作者：菜鸟大叔
