本文主要為大家分享一篇Python讀csv檔案去掉一列後再寫入新的檔案實例，具有很的參考價值，希望對大家有幫助。一起跟隨小編過來看看吧，希望能幫助到大家更好掌握Python
用了兩種.方式解決該問題，都是網上現有的解決方案。
場景說明：
有資料文件，以文字方式儲存，現在有三列user_id,plan_id,mobile_id。目標是得到新檔案只有mobile_id,plan_id。
解決方案
#方案一：#用python的開啟檔案寫檔案的方式直接擼一遍數據，for循環內處理數據並寫入新文件。
#程式碼如下：
def readwrite1( input_file,output_file):
f = open(input_file, 'r')
out = open(output_file,'w')
print (f)
for line in f.readlines():
a = line.split(",")
x=a[0] + "," + a[1]+"\n"
out.writelines(x)
f.close()
out.close()方案二：用pandas 讀數據到DataFrame 再做資料分割，直接用DataFrame 的寫入功能寫到新檔案
#程式碼如下：
def readwrite2(input_file,output_file): date_1=pd.read_csv(input_file,header=0,sep=',') date_1[['mobile', 'plan_id']].to_csv(output_file, sep=',', header=True,index=False)
從程式碼上看，pandas邏輯更清晰。
下面看下執行的效率吧！
def getRunTimes( fun ,input_file,output_file):
begin_time=int(round(time.time() * 1000))
fun(input_file,output_file)
end_time=int(round(time.time() * 1000))
print("读写运行时间：",(end_time-begin_time),"ms")
getRunTimes(readwrite1,input_file,output_file) #直接撸数据
getRunTimes(readwrite2,input_file,output_file1) #使用dataframe读写数据讀取寫入運行時間：976 ms
讀取寫入運行時間：777 ms
input_file 大概27萬的數據，dataframe的效率比for循環效率還是要快一點的，如果數據量更大些，效果是否更明顯呢？
下面試下增加input_file記錄的數量試試，有以下結果
| input_file | readwrite1 | readwrite2 |
| 27W | 976 | 777 |
| 55W | 1989 | 1509 |
| 110W | 4312 | 3158 |
#從上面測試結果來看,dataframe的效率提高約30%左右。
相關推薦：
以上是Python讀csv檔案去掉一列後再寫入新的檔案技術教程的詳細內容。更多資訊請關注PHP中文網其他相關文章！
