嘿，伙计们，有没有哪个瞬间，你看着屏幕上那一堆乱糟糟的数据，心里就只有一个念头：怎么把它规规矩矩、完美无缺地塞进CSV里去？尤其是当你需要往一个已经存在的CSV文件里“加点料”，或者更高级一点，在特定位置“插入”些新信息时，Python怎么插入CSV，这事儿看似简单，可里头的弯弯绕绕，真能让人抓狂。我当年可是吃了不少亏，才摸索出点门道来，今天就跟大家伙儿掰扯掰扯，这背后的酸甜苦辣。

你瞧，这CSV文件，别看它朴素，逗号分隔，简直就是数据界的“万金油”，无论是数据分析师、程序员还是普通办公族，几乎没人能绕开它。它简单、直接、兼容性好，所以，学会用Python玩转它，尤其是高效、安全地往里面“塞”数据，那绝对是行走江湖的一把利器。

咱们先从最基本、也是最常用的“插入”方式聊起，那就是追加（Append）。没错，你没听错，很多时候我们嘴上说着“插入”，其实干的都是“追加”的活儿。这就像你往一摞纸的末尾再加几张，而不是非得在中间硬塞。对CSV这种纯文本文件来说，追加操作是最直接、最省力的。

在Python里，处理CSV文件，自带的 csv 模块那绝对是你的不二之选。它轻量、高效，无需安装第三方库，就能满足你大部分需求。

“`python
import csv
import os # 待会儿判断文件是否存在会用到

咱们先准备点数据

new_data_rows = [
[‘Python’, ‘3.9’, ‘数据处理’, ‘2020’],
[‘Pandas’, ‘1.3’, ‘数据分析’, ‘2021’],
[‘Numpy’, ‘1.20’, ‘科学计算’, ‘2020’]
]

文件的名字

csv_file_name = ‘my_software_list.csv’

print(f”准备向文件 ‘{csv_file_name}’ 追加数据…”)

第一次写入，通常需要先写入表头

这里有个小技巧，我一般会先检查文件是否存在或是否为空，避免重复写入表头

file_exists = os.path.exists(csv_file_name)
is_empty = False
if file_exists:
with open(csv_file_name, ‘r’, newline=”, encoding=’utf-8′) as f:
first_char = f.read(1)
if not first_char: # 文件存在但内容为空
is_empty = True
f.seek(0) # 读完一个字符后，把文件指针移回开头

核心来了：以追加模式打开文件，并处理表头

with open(csv_file_name, ‘a’, newline=”, encoding=’utf-8′) as f:
writer = csv.writer(f)

# 只有当文件不存在或者文件为空时，才写入表头
if not file_exists or is_empty:
    writer.writerow(['Name', 'Version', 'Category', 'Year'])
    print("已写入表头。")

# 逐行写入数据
for row in new_data_rows:
    writer.writerow(row)
    print(f"追加数据: {row}")

print(f”数据已成功追加到 ‘{csv_file_name}’。”)

读出来看看是不是真加进去了

print(“\n查看文件内容：”)
with open(csv_file_name, ‘r’, newline=”, encoding=’utf-8′) as f:
reader = csv.reader(f)
for row in reader:
print(row)
“`

你有没有注意到代码里有个newline=''？这可不是什么小打小闹，这玩意儿是关键中的关键！如果你不加它，尤其是在Windows系统上，每次写入CSV文件时，Python会把你代码里的换行符（\n）再给你自动转换一遍，结果就是每行数据之间多了一个空行，那画面，简直不忍直视，乱七八糟的。所以，newline=''，请务必铭记于心，它能保证你的CSV文件拥有干净利落的行尾符，跨平台不乱套。

当然了，很多时候我们的数据并不是简单的列表形式，它们可能更像是字典，每个数据项都有个明确的键（Key），比如{'name': 'Python', 'version': '3.9'}。这时候，csv 模块里的csv.DictWriter就显得尤为优雅和方便了。它能让你像操作字典一样，直接把字典数据写入CSV，再也不用担心数据列的顺序会乱掉，因为它会根据你指定的fieldnames（字段名）自动帮你匹配。

“`python

咱们再来点字典形式的数据

more_software_data = [
{‘Name’: ‘Django’, ‘Version’: ‘4.0’, ‘Category’: ‘Web Framework’, ‘Year’: ‘2021’},
{‘Name’: ‘Flask’, ‘Version’: ‘2.1’, ‘Category’: ‘Web Framework’, ‘Year’: ‘2022’}
]

字典形式写入需要指定字段名

field_names_for_dict_writer = [‘Name’, ‘Version’, ‘Category’, ‘Year’]

print(f”\n准备使用 DictWriter 向文件 ‘{csv_file_name}’ 追加字典数据…”)

判断是否需要写入表头

file_exists_dict = os.path.exists(csv_file_name)
is_empty_dict = False
if file_exists_dict:
with open(csv_file_name, ‘r’, newline=”, encoding=’utf-8′) as f:
first_char_dict = f.read(1)
if not first_char_dict:
is_empty_dict = True
f.seek(0)

with open(csv_file_name, ‘a’, newline=”, encoding=’utf-8′) as f:
writer = csv.DictWriter(f, fieldnames=field_names_for_dict_writer)

if not file_exists_dict or is_empty_dict:
    writer.writeheader() # 写入表头，这是DictWriter的专属方法
    print("已使用 DictWriter 写入表头。")

for data_row in more_software_data:
    writer.writerow(data_row)
    print(f"追加字典数据: {data_row}")

print(f”字典数据已成功追加到 ‘{csv_file_name}’。”)

再次查看文件内容，感受DictWriter的便利

print(“\n再次查看文件内容：”)
with open(csv_file_name, ‘r’, newline=”, encoding=’utf-8′) as f:
reader = csv.reader(f)
for row in reader:
print(row)
“`

但是，请注意了！ 咱们前面一直强调的“插入”，其实大多数时候指的都是追加。如果你真的想要在CSV文件的中间某个位置插入一行数据，那就得面对一个残酷的现实：CSV文件不是数据库！ 它没有索引，没有内置的“在第N行插入”功能。这意味着什么呢？这意味着你不能像数据库那样直接定位并改动某一行。

那怎么办？如果你真的有这种“在中间插入”的强迫症需求，通常的“土办法”是这样的：

把整个CSV文件读到内存里，把它变成一个Python列表的列表（或列表的字典），就好比你把所有纸都摊在桌上。
在内存中对这个数据结构进行修改：找到你想插入的位置，用列表的insert()方法把新数据塞进去。
清空原始CSV文件（或者直接创建一个新文件），然后把内存中已经修改好的所有数据，从头到尾重新写入这个文件。

这个过程，听起来就觉得有点“笨重”是吧？尤其是当你的CSV文件非常大，几百兆甚至几个G的时候，一次性读到内存里可能会让你的电脑“当机”。即便你的内存够大，这种“全量读写”的操作效率也会非常低，耗时耗力。

举个例子，假设你有一个日志文件access.csv，记录了网站的访问日志。你突然发现有一条重要的内部操作记录漏掉了，而且这条记录发生的时间点，正好在文件中间的某个位置。你不能直接跳到那个位置写入，你得把整个文件读进来，在内存里找到对应的日期/时间戳附近，把新的日志条目塞进去，然后，再把整个修订版写回去。这过程，想想都觉得头大。

“`python

模拟在中间插入数据的情景

注意：这个操作效率低，不推荐用于大型文件！

print(“\n模拟在文件中间插入数据（不推荐用于大文件，因为涉及全量读写）”)

现有数据，假设已经存在CSV中

existing_data = [
[‘Name’, ‘Version’, ‘Category’, ‘Year’],
[‘Python’, ‘3.9’, ‘数据处理’, ‘2020’],
[‘Pandas’, ‘1.3’, ‘数据分析’, ‘2021’],
[‘Django’, ‘4.0’, ‘Web Framework’, ‘2021’],
[‘Flask’, ‘2.1’, ‘Web Framework’, ‘2022’]
]

写入一个初始文件

with open(‘middle_insert_demo.csv’, ‘w’, newline=”, encoding=’utf-8′) as f:
writer = csv.writer(f)
writer.writerows(existing_data)
print(“已创建初始文件 ‘middle_insert_demo.csv’。”)
print(“初始内容:”)
with open(‘middle_insert_demo.csv’, ‘r’, newline=”, encoding=’utf-8′) as f:
for row in csv.reader(f):
print(row)

要插入的新数据

new_entry = [‘Scikit-learn’, ‘1.0’, ‘机器学习’, ‘2021’]
insert_after_name = ‘Pandas’ # 假设我们想在Pandas后面插入

1. 读入所有数据到内存

all_rows = []
try:
with open(‘middle_insert_demo.csv’, ‘r’, newline=”, encoding=’utf-8′) as f:
reader = csv.reader(f)
for row in reader:
all_rows.append(row)
print(“\n已将文件内容读入内存。”)

# 2. 在内存中找到位置并插入
insert_index = -1
for i, row in enumerate(all_rows):
    if row and row[0] == insert_after_name: # 假设第一列是Name
        insert_index = i + 1 # 插入到这一行的下一行
        break

if insert_index != -1:
    all_rows.insert(insert_index, new_entry)
    print(f"已在内存中插入新条目 '{new_entry}'，插入位置（行号，从0开始）：{insert_index}。")
else:
    print(f"未找到 '{insert_after_name}'，将在文件末尾追加。")
    all_rows.append(new_entry) # 如果没找到，就追加到末尾

# 3. 重新写入整个文件
with open('middle_insert_demo.csv', 'w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    writer.writerows(all_rows)
print(f"已将修改后的数据重新写入 'middle_insert_demo.csv'。")

print("\n插入后的文件内容:")
with open('middle_insert_demo.csv', 'r', newline='', encoding='utf-8') as f:
    for row in csv.reader(f):
        print(row)

except FileNotFoundError:
print(“文件不存在，无法进行中间插入操作。”)
except Exception as e:
print(f”操作过程中发生错误: {e}”)

“`

说到这里，不得不提一下编码问题。相信我，这个坑是老生常谈，也是最容易让人崩溃的。尤其是当你的CSV文件里包含中文、日文或者一些特殊符号时，如果文件编码不是UTF-8（或者你没有明确指定），写入或者读取的时候就极有可能出现乱码。那种看着一堆方框和问号的感觉，真是让人抓狂。所以，我的建议是：一律使用 encoding='utf-8'，这几乎是万能解药。

当然，如果你面对的数据量真的很大，或者你需要更复杂的数据操作，比如不仅仅是插入，还要筛选、合并、分组、甚至进行一些统计分析，那csv 模块就有点力不从心了。这时候，就轮到我们数据处理界的“瑞士军刀”——pandas出场了！

pandas 提供 DataFrame 结构，能让你把CSV文件当作一个Excel表格或数据库表来操作，无比方便。它在底层处理文件读写时，虽然也逃不过“全量读写”的命运（因为它要构建内存中的 DataFrame），但它把这些复杂的操作都封装得很好，你只需要几行代码就能完成看似复杂的数据处理。

例如，用 pandas 追加数据到CSV，那简直是小菜一碟：

“`python
import pandas as pd

print(“\n— 使用 Pandas 追加数据到 CSV —“)

准备 Pandas DataFrame

new_data_df = pd.DataFrame([
{‘Name’: ‘TensorFlow’, ‘Version’: ‘2.8’, ‘Category’: ‘机器学习框架’, ‘Year’: ‘2021’},
{‘Name’: ‘PyTorch’, ‘Version’: ‘1.11’, ‘Category’: ‘深度学习框架’, ‘Year’: ‘2022’}
])

追加到现有文件，header=False表示不写入表头（因为文件已有），index=False表示不写入行索引

mode=’a’ 就是追加模式

try:
new_data_df.to_csv(csv_file_name, mode=’a’, header=False, index=False, encoding=’utf-8′)
print(f”使用 Pandas 成功追加数据到 ‘{csv_file_name}’。”)
except FileNotFoundError:
print(f”文件 ‘{csv_file_name}’ 不存在，Pandas 将创建一个新文件并写入。”)
new_data_df.to_csv(csv_file_name, mode=’w’, header=True, index=False, encoding=’utf-8′)
print(f”文件不存在，Pandas 已创建新文件 ‘{csv_file_name}’ 并写入数据和表头。”)
except Exception as e:
print(f”Pandas 追加数据时发生错误: {e}”)

print(“\nPandas 追加后的文件内容:”)
df_read = pd.read_csv(csv_file_name, encoding=’utf-8′)
print(df_read)
“`

看到没？pandas 的 to_csv 方法简直是太友好了，一个 mode='a' 参数就能搞定追加。如果需要像前面那样进行“中间插入”的操作，pandas 也更灵活，你可以先用 pd.read_csv() 读取整个文件到 DataFrame，然后利用 DataFrame 的各种强大功能（比如 loc、iloc 或者 insert 方法）在内存中进行精确的插入操作，最后再用 to_csv() 覆盖写入。虽然本质上还是“读入内存-修改-全量写出”，但 pandas 把这个过程封装得更优雅，代码更简洁，也更不易出错。

最后，我想跟大家伙儿分享一点我的心得：代码的健壮性。无论你用 csv 模块还是 pandas，文件操作永远都带着风险，比如文件不存在、权限不足、磁盘空间不足、或者写入过程中程序崩溃。所以，养成用 try...except...finally 语句块来包围文件操作的习惯，至关重要。try 块里放你的正常操作，except 块里处理可能出现的错误，finally 块里则放置无论如何都要执行的代码，比如关闭文件句柄。虽然 with open(...) as f: 这种上下文管理器已经帮你自动处理了文件关闭，但在更复杂的场景或者你手动管理文件句柄时，finally 就能派上大用场了。

总而言之，Python怎么插入CSV，这个问题的答案远不止一个简单的函数调用。它背后涉及到文件操作模式的选择、编码的陷阱、数据结构的适配，以及对“插入”这个概念在纯文本文件语境下的深刻理解。对于简单的追加，csv 模块轻巧方便；对于复杂的数据处理和真正的“中间插入”需求，pandas 则是你的得力助手。理解这些细微之处，能让你在处理数据时少走很多弯路，真正做到心中有数，手下有剑！去实践吧，只有亲手敲过代码，你才能真正体会到其中的乐趣和挑战。

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。

Python操作CSV文件：数据插入的深度解析与实战技巧

咱们先准备点数据

文件的名字

第一次写入，通常需要先写入表头

这里有个小技巧，我一般会先检查文件是否存在或是否为空，避免重复写入表头

核心来了：以追加模式打开文件，并处理表头

读出来看看是不是真加进去了

咱们再来点字典形式的数据

字典形式写入需要指定字段名

判断是否需要写入表头

再次查看文件内容，感受DictWriter的便利

模拟在中间插入数据的情景

注意：这个操作效率低，不推荐用于大型文件！

现有数据，假设已经存在CSV中

写入一个初始文件

要插入的新数据

1. 读入所有数据到内存

准备 Pandas DataFrame

追加到现有文件，header=False表示不写入表头（因为文件已有），index=False表示不写入行索引

mode=’a’ 就是追加模式

文章展示

Python偶数高效打印技巧：轻松掌握怎么打？

Python编程如何巧妙输入符号和数字？详解Python怎么打号！

Python怎么去缩进？终极指南，让你的代码整洁如新！

Python怎么玩转Excel？Python连接Excel的几种实用方法详解

Python如何高效输出CMD指令？深度解析Python怎么输出CMD！

Python操作CSV文件：数据插入的深度解析与实战技巧

Python操作CSV文件：数据插入的深度解析与实战技巧

咱们先准备点数据

文件的名字

第一次写入，通常需要先写入表头

这里有个小技巧，我一般会先检查文件是否存在或是否为空，避免重复写入表头

核心来了：以追加模式打开文件，并处理表头

读出来看看是不是真加进去了

咱们再来点字典形式的数据

字典形式写入需要指定字段名

判断是否需要写入表头

再次查看文件内容，感受DictWriter的便利

模拟在中间插入数据的情景

注意：这个操作效率低，不推荐用于大型文件！

现有数据，假设已经存在CSV中

写入一个初始文件

要插入的新数据

1. 读入所有数据到内存

准备 Pandas DataFrame

追加到现有文件，header=False表示不写入表头（因为文件已有），index=False表示不写入行索引

mode=’a’ 就是追加模式

相关文章

文章展示