CSV.jl使用简介

在建立模型与模型计算的过程中，可以很好的解决数据导入问题，它能自动辨识文本数据类型，并将数据分隔。

它的应用场景是：使用数据之前的输入导入。

基本实现

文件内容：

col1,col2,col3,col4,col5,col6,col7,col8
,1,1.0,1,one,2019-01-01,2019-01-01T00:00:00,true
,2,2.0,2,two,2019-01-02,2019-01-02T00:00:00,false
,3,3.0,3.14,three,2019-01-03,2019-01-03T00:00:00,true

使用以下代码导入文件

CSV.File("data.txt") #file为文件名，如"data.csv"、"data.txt"

默认情况下，CSV.File会自动检测这个文件的分隔符','，以及每列的类型。默认情况下，它将“空字段”视为missing（本示例中的整个第一列）。它还自动处理提升类型，例如第 4 列，其中前两个值为Int，但第 3 行具有Float64值 ( 3.14)。

自定义分隔符

文件内容：

col1::col2
1::2
3::4

使用以下代码导入文件

CSV.File("data.txt"; delim="::")

无标题情况

文件内容：

1,2,3
4,5,6
7,8,9

在没有标题的情况下，会默认把第一行当作标题，可以给定参数取消，使用以下代码导入文件

CSV.File("data.txt"; header=false) #取消标题

或者也可以手动给定标题

CSV.File("data.txt"; header=["col1", "col2", "col3"]) #手动给定标题

指定数据行数

文件内容：

col1,col2,col3
metadata1,metadata2,metadata3
extra1,extra2,extra3
1,2,3
4,5,6
7,8,9

假如我们期望的内容是从第四行开始，可以使用以下代码

CSV.File("data.txt"; skipto=4) #从第四行开始

或者

CSV.File("data.txt"; datarow=4)

读取数据段

文件内容：

col1,col2,col3
1,2,3
4,5,6
7,8,9
10,11,12
13,14,15
16,17,18
19,20,21

只需要读入某一段数据段

CSV.File("data.txt"; skipto=4，limit=1) #从第四行开始,读取1行

或者

CSV.File("data.txt"; skipto=4，footerskip=1) #从第四行开始,除去最后一行

转置

文件内容：

col1,1,2,3
col2,4,5,6
col3,7,8,9

用如下代码导入

CSV.File("data.txt"; transpose=true) #从第四行开始,读取1行

数据操作

我们以一下文件输入为例：

col1,col2,col3
1,2,3
4,5,6
7,8,9
10,11,12
13,14,15
16,17,18
19,20,21

用如下代码导入

data = CSV.File("data.txt") 

现在相当于把数据储存到变量data中了，data是CSV.File类型的数据，可以通过typeof函数来查看一下：

typeof(data)

现在调用某一列的数字：

println(data.col1) #显示第一列
println(data.col2) #显示第二列
println(data.col3) #显示第三列

它的结果是：

[1, 4, 7, 10, 13, 16, 19]

[2, 5, 8, 11, 14, 17, 20]

[3, 6, 9, 12, 15, 18, 21]

查看一列的数据类型

typeof(data.col1)

它的结果是：

Vector{Int64}

小结

可以发现，data是CSV.File类型，但是通过data调用的每一列数据是vector类型

说明可以把每一列当作平常的vector来处理，相关的方法都能够匹配。

比如：

sum(data.col1)
a = data.col1 .* data.col2

add DataFrames

using DataFrames
display(DataFrame(data))