Rows 是一个专门用于操作表格的第三方Python模块。
只要通过 Rows 读取 csv 文件，她就能生成可以被计算的 Python 对象。
相比于 pandas 的 pd.read_csv, 我认为 Rows 的优势在于其易于理解的计算语法和各种方便的导出和转换语法。它能非常方便地提取pdf中的文字、将csv转换为sqlite文件、合并csv等，还能对csv文件执行sql语法，还是比较强大的。
当然，它的影响力肯定没有 Pandas 大，不过了解一下吧，技多不压身。
1.准备
开始之前，你要确保Python和pip已经成功安装在电脑上，如果没有，请访问这篇文章：超详细Python安装指南 进行安装。
(可选1) 如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda，它内置了Python和pip.
(可选2) 此外，推荐大家用VSCode编辑器来编写小型Python项目：Python 编程的最好搭档—VSCode 详细指南
Windows环境下打开Cmd(开始—运行—CMD)，苹果系统环境下请打开Terminal(command+空格输入Terminal)，输入命令安装依赖：
pip install rows2.Rows 基本使用
通过下面这个小示例，你就能知道Rows的基本使用方法。
假设我们有这样的一个csv表格数据：
state,city,inhabitants,areaAC,Acrelândia,12538,1807.92AC,Assis Brasil,6072,4974.18AC,Brasiléia,21398,3916.5AC,Bujari,8471,3034.87AC,Capixaba,8798,1702.58[...]RJ,Angra dos Reis,169511,825.09RJ,Aperibé,10213,94.64RJ,Araruama,112008,638.02RJ,Areal,11423,110.92RJ,Armação dos Búzios,27560,70.28[...]如果我们想要找出 state 为 RJ 并且人口大于 500000 的城市，只需要这么做：
import rowscities = rows.import_from_csv("data/brazilian-cities.csv")rio_biggest_cities = [ city for city in cities if city.state == "RJ" and city.inhabitants > 500000]for city in rio_biggest_cities: density = city.inhabitants / city.area print(f"{city.city} ({density:5.2f} ppl/km²)")和 Pandas 很像，但是语法比 Pandas 简单，整个模块也比 Pandas 轻量。
如果你想要自己新建一个”表格”, 你可以这么写：
from collections import OrderedDictfrom rows import fields, Tablecountry_fields = OrderedDict([ ("name", fields.TextField), ("population", fields.IntegerField),])countries = Table(fields=country_fields)countries.append({"name": "Argentina", "population": "45101781"})countries.append({"name": "Brazil", "population": "212392717"})countries.append({"name": "Colombia", "population": "49849818"})countries.append({"name": "Ecuador", "population": "17100444"})countries.append({"name": "Peru", "population": "32933835"})然后你可以迭代它：
for country in countries: print(country)# Result:# Row(name='Argentina', population=45101781)# Row(name='Brazil', population=212392717)# Row(name='Colombia', population=49849818)# Row(name='Ecuador', population=17100444)# Row(name='Peru', population=32933835)# "Row" is a namedtuple created from `country_fields`# We've added population as a string, the library automatically converted to# integer so we can also sum:countries_population = sum(country.population for country in countries)print(countries_population) # prints 357378595还可以将此表导出为 CSV 或任何其他支持的格式：
# 公众号：Python实用宝典import rowsrows.export_to_csv(countries, "some-LA-countries.csv")# htmlrows.export_to_html(legislators, "some-LA-countries.csv")从字典导入到rows对象：
import rowsdata = [ {"name": "Argentina", "population": "45101781"}, {"name": "Brazil", "population": "212392717"}, {"name": "Colombia", "population": "49849818"}, {"name": "Ecuador", "population": "17100444"}, {"name": "Peru", "population": "32933835"}, {"name": "Guyana", }, # Missing "population", will fill with `None`]table = rows.import_from_dicts(data)print(table[-1]) # Can use indexes# Result:# Row(name='Guyana', population=None)3.命令行工具
除了写Python代码外，你还可以直接使用Rows的命令行工具，下面介绍几个可能会经常被用到的工具。
读取pdf文件内的文字并保存为文件：
# 需要提前安装: pip install rows[pdf]URL="http://www.imprensaoficial.rr.gov.br/app/_edicoes/2018/01/doe-20180131.pdf"rows pdf-to-text $URL result.txt # 保存到文件 显示进度条rows pdf-to-text --quiet $URL result.txt # 保存到文件 不显示进度条rows pdf-to-text --pages=1,2,3 $URL # 输出三页到终端rows pdf-to-text --pages=1-3 $URL # 输出三页到终端(使用 - 范围符)将csv转化为sqlite:
rows csv2sqlite \ --dialect=excel \ --input-encoding=latin1 \ file1.csv file2.csv \ result.sqlite合并多个csv文件：
rows csv-merge \ file1.csv file2.csv.bz2 file3.csv.xz \ result.csv.gz对csv执行sql搜索：
# needs: pip install rows[html]rows query \ "SELECT * FROM table1 WHERE inhabitants > 1000000" \ data/brazilian-cities.csv \ --output=data/result.html其他更多功能，请见Rows官方文档：
我们的文章到此就结束啦，如果你喜欢今天的 Python 教程，请持续关注Python实用宝典。
有任何问题，可以在公众号后台回复：加群，回答相应验证信息，进入互助群询问。
原创不易，希望你能在下面点个赞和在看支持我继续创作，谢谢！
Python实用宝典 ( pythondict.com )
不只是一个宝典
欢迎关注公众号：Python实用宝典
评论(0)