用Python让工作更轻松，生活更美好！

需求：读取一个csv文件，根据文件内容进行数据处理，将处理结果写入另一个csv文件。

实现：用Python导入pandas库，将csv文件读入一个DataFrame，然后将这DataFrame的内容写入另一个csv文件。

1. 导入pandas库。

import pandas as pd

2. 定义若干变量并赋初值用于后续数据处理。本示例中定义numReportCube用来统计某一种类型的数据的数量，初值为0。

numReportCube=0

3. 将csv文件的内容读入一个DataFrame。本示例中将这个DataFrame赋值给cube

cube=pd.read_csv(input('Cube Path: '))numCube=cube.shape[0] # Get the rows of cubes

4. 因为数据处理的需求，需要知道cube里的内容一共有多少行（不包括表头），用cube.shape[0]即可得到cube的行数，类似地，用cube.shape[1]即可得到cube的列数。

5. 用range(numCube)得到一个取值范围用于for循环。

通过cube.iloc[index,3]取得第index行，第3列的单元格数据。

如果数值符合要求，则numReportCube计数器加1；

否则，打印警告信息：在第index行发现未识别的cube type信息。

for index in range(numCube):    cubeType=cube.iloc[index,3]     if cubeType==776:        numReportCube=numReportCube+1     else:        print('Unrecognized cube type in line '+str(index))

6. 将结果存入另一个DataFrame，即本示例中的resultItem。

结果为1行2列数据：第1列为cube数据的总行数numCube，第2列为某一种特定类型的数据的行数numReportCube。

resultItem=pd.DataFrame([[numCube,numReportCube]])

本示例中使用了DataFrame的一种定义方式：以列表形式定义DataFrame。举例说明：

某表格为3行2列，数据内容为：

a b

c d

e f

用DataFrame可以表示为：

df=([['a','b'],['c','d'],['e','f']])

7. 将结果resultItem写入另一个csv文件。

在以下示例中，第一个参数是待写入的文件路径。

第二个参数header是指是否保留表头，保留则为True，不保留则为False。

第三个参数index是指是否保留列的索引，保留则为True，不保留则为False。

第四个参数mode是指以何种模式写入数据，"a"是append的缩写，表示以“追加”的方式写入数据。

resultItem.to_csv('E:\Result.csv',header=False,index=False,mode="a")