【导语】由于 Python 出色的灵活性和易用性，已经成为最受欢迎的编程语言之一。更受数据科学家青睐的是，用 Python 可以简单方便的处理大型数据集。今天的文章，我们就为大家介绍一下，如何用 Python 简单处理 CSV、JSON 和 XML 三种主要的数据格式文件。

如今，每家技术公司都在制定数据战略。 他们都意识到无论是深入的洞察力还是干净的数据，都能给公司带来竞争的关键优势。 如果能更有效的使用数据，就可以提供更深层次、不易发现的洞察力。

经过多年发展，存储数据的格式有很多，然而，在日常使用中大家最常用的三种格式依然是：CSV，JSON 和 XML。因此，这篇文章就分享给大家用 Python 处理这三种流行数据格式最简单的方法！

CSV数据格式

CSV 文件是最常用的数据存储方法。大部分 Kaggle 比赛中的数据都存储在 CSV 文件中。Python 中有内置的 CSV 库来支持读写操作，通常情况下，我们会先将数据读入表中。

在下面的代码中，当调用 csv.reader（）函数时，可以访问所有的 CSV 数据。而 csvreader.next（）函数的功能是从 CSV 中读取一行，当多次连续调用时，会自动读取下一行。也可以使用 for 循环遍历 csv 的每一行，同样用  csv.reader（）函数读取每一行。这里需要注意，要确保每行中的列数相同，否则，在处理时，可能会遇到错误。

同样，用 Python 写入 CSV 文件也很容易。先在单个列表中设置字段名称，并在列表中写入数据。这次创建一个 writer（）对象，使用这个方法将数据写入文件，与读取 CSV 数据的方式非常相似。

当然，如果安装了 Pandas 库，一旦将数据读入了变量中，就可以更轻松地处理数据。从 CSV 读取数据和将其写回文件中仅需要一行代码！

还可以使用 Pandas 库将 CSV 文件转换为快速的字典列表。一旦将数据格式化为字典列表后，就可以使用 dicttoxml 库将其转换为 XML 格式，或者保存为 JSON 文件格式！

JSON数据格式

JSON 提供一种干净且易阅读的格式，采用字典结构。与 CSV 类似，同样有一个内置的 JSON 模块，使读写 JSON 文件变得非常简单！ 当读取 JSON 文件时，将以字典的格式存储，然后可以将该字典写入文件。

一旦获取了数据，就可以通过 Pandas 库或者 Python 内置的 CSV 模块轻松的将其转换为 CSV 格式。如果需要转换成 XML 格式，可以使用 dicttoxml 库。

XML数据格式

XML 格式与 CSV 和 JSON 有点不同。通常，因为 CSV 和 JSON 本身简单，它们能既简单又快速的读写，有很好的解释性，被广泛使用。解析 JSON 或 CSV 格式非常的轻量级，不需要额外的工作。

相反，XML 的操作则有些繁琐。如果你是发送这种格式的数据，需要更多的带宽、存储空间和运行时间。但是 XML 确实有一些 JSON 和 CSV 不具备的功能，例如，你可以使用命名空间构建和共享标准结构，更好地表示继承，以及使用 XML 模式，DTD 等表示数据的行业标准化方法。

为了读入 XML 格式的数据，可以使用 Python 内置的 XML 模块和子模块 ElementTree。因此，在下面的示例中使用 xmltodict 库将 ElementTree 对象转换为字典。 一旦有了字典，就可以像之前那样将其转换为 CSV，JSON 或 Pandas Dataframe 等格式！

原文链接：

https://towardsdatascience.com/the-easy-way-to-work-with-csv-json-and-xml-in-python-5056f9325ca9