Python 读取 CSV 文件并删除前五列

Python 读取 CSV 文件并删除前五列

在 Python 中删除 CSV 文件的前五列有两种常用方法：使用 pandas 库（推荐）或内置的 csv 模块。以下是详细代码示例：

方法 1：使用 pandas 库（高效简洁）

import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('input.csv')

# 删除前五列（列索引 0-4）
df = df.iloc[:, 5:]

# 保存处理后的数据到新文件
df.to_csv('output.csv', index=False)

代码解析：

1. pd.read_csv() 读取 CSV 文件为 DataFrame
2. iloc[:, 5:] 使用位置索引选择第 5 列之后的所有列（: 表示所有行）
3. index=False 参数避免输出行索引列
4. 处理百万行数据仅需几秒，适合大型文件

方法 2：使用 csv 模块（无需额外依赖）

import csv

with open('input.csv', 'r') as infile, open('output.csv', 'w', newline='') as outfile:
    reader = csv.reader(infile)
    writer = csv.writer(outfile)
    
    for row in reader:
        # 删除前五列（保留索引5及之后的元素）
        writer.writerow(row[5:])

代码解析：

1. 使用 csv.reader 逐行读取文件
2. row[5:] 对每行进行切片操作，跳过前 5 个元素
3. newline='' 防止输出文件出现空行
4. 内存效率高，适合逐行处理超大文件

注意事项

1. 列索引：前五列对应索引 0-4，保留列从索引 5 开始
2. 列名处理：pandas 方法会自动保留剩余列的标题
3. 异常处理：可添加 try-except 块处理文件不存在或格式错误
4. 内存优化：对于超大文件（>1GB），推荐使用 chunksize 参数分块处理：

# pandas 分块处理示例
chunk_iter = pd.read_csv('big_file.csv', chunksize=10000)
for chunk in chunk_iter:
    chunk.iloc[:, 5:].to_csv('output.csv', mode='a', header=False)

提示：pandas 方法代码更简洁且支持复杂数据处理，推荐作为首选方案。

相关问题

1. 如何仅删除 CSV 文件中的特定列（非连续列）？
2. 处理包含中文的 CSV 文件时需要注意哪些编码问题？
3. pandas 读取 CSV 时如何跳过不规则的行？
4. 如何在不加载到内存的情况下处理超大型 CSV 文件？
5. 删除列后如何保留原始数据类型并进行类型转换？

: Python 读取CSV指定列使用pandas读取CSV指定列示例

python读取csv文件使用内置的csv模块

使用Python读取CSV文件并计算每列的平均值