数据与 CSV

第 0 步 · 为什么是 CSV

CSV（逗号分隔值）是表格数据的事实标准：Excel 能导、数据库能导、AI 训练数据常用。一行 = 一条记录，第一行往往是列名：

本节点学标准库 csv + statistics，不依赖第三方库——先搞懂"数据流水线"的骨架，pandas 那套高级武器以后在 AI 课程里学。

第 1 步 · 读 CSV（csv 模块）

import csv

# 方式 1：读成行（每行是列表）
with open("grades.csv", "r", encoding="utf-8") as f:
    rows = list(csv.reader(f))
# rows[0] = ['name','subject','score','date'] 表头
# rows[1] = ['丢丢','数学','92','2026-08-01'] 数据行

# 方式 2：读成字典（表头当键，最好用）
with open("grades.csv", "r", encoding="utf-8") as f:
    records = list(csv.DictReader(f))
# records[0] = {'name':'丢丢','subject':'数学','score':'92','date':'2026-08-01'}
# 注意：读出来全是字符串！score 要 int() 才能算

第 2 步 · 写 CSV

import csv

rows = [
    ["name", "subject", "score"],
    ["丢丢", "数学", 92],
    ["丢丢", "英语", 88],
]
with open("out.csv", "w", encoding="utf-8", newline="") as f:
    csv.writer(f).writerows(rows)

# 字典写入（与 DictReader 对应）
with open("out.csv", "w", encoding="utf-8", newline="") as f:
    w = csv.DictWriter(f, fieldnames=["name", "subject", "score"])
    w.writeheader()
    w.writerow({"name": "丢丢", "subject": "数学", "score": 92})

第 3 步 · statistics（统计三兄弟）

import statistics

scores = [92, 88, 95, 76, 83]
statistics.mean(scores)      # 86.8 平均值
statistics.median(scores)    # 88 中位数（不受极端值影响）
statistics.stdev(scores)     # 标准差：波动有多大

# 最大最小（内置函数）
max(scores); min(scores); sum(scores) / len(scores)  # 手写平均也行

第 4 步 · 数据流水线（洗数据的标准四步）

真实数据永远是脏的。四个步骤缺一不可：

import csv, statistics

# ① 读取
with open("grades.csv", "r", encoding="utf-8") as f:
    records = list(csv.DictReader(f))

# ② 清洗：转类型 + 丢脏行
clean = []
for r in records:
    try:
        score = int(r["score"])       # 转数字，失败说明这行脏
    except ValueError:
        continue                      # 跳过坏行（记录到日志更好）
    if score < 0 or score > 100:    # 逻辑校验
        continue
    clean.append((r["name"], r["subject"], score))

# ③ 统计
scores = [s for _, _, s in clean]
avg = statistics.mean(scores)

# ④ 输出（报告 / 写回文件 / 下一步）
print(f"有效记录 {len(clean)} 条，平均分 {avg:.1f}")

第 5 步 · 实战项目：成绩分析报告

需求：读 grades.csv，输出每人平均分排名、全班总分平均、每科平均，并把报告写成 txt 存档。

import csv, statistics
from collections import defaultdict
from datetime import datetime

# 读取 + 清洗 + 分组
by_person = defaultdict(list)
by_subject = defaultdict(list)
with open("grades.csv", "r", encoding="utf-8") as f:
    for r in csv.DictReader(f):
        try:
            s = int(r["score"])
        except ValueError:
            continue
        by_person[r["name"]].append(s)
        by_subject[r["subject"]].append(s)

# 统计 + 生成报告行
lines = [f"成绩分析报告 · {datetime.now().strftime('%Y-%m-%d %H:%M')}", "=" * 30]

# 每人平均分排名
ranking = sorted(by_person.items(), key=lambda x: statistics.mean(x[1]), reverse=True)
lines.append("【个人排名】")
for i, (name, scores) in enumerate(ranking, 1):
    lines.append(f"{i}. {name}: {statistics.mean(scores):.1f}")

# 每科平均
lines.append(""); lines.append("【各科平均】")
for subject, scores in by_subject.items():
    lines.append(f"{subject}: {statistics.mean(scores):.1f}")

# 存档
with open("report.txt", "w", encoding="utf-8") as f:
    f.write("\n".join(lines) + "\n")
print("\n".join(lines))

第 6 步 · 预告：pandas 在 AI 课程等你

本节点用标准库演示了流水线。真实世界（尤其 AI 数据）用 pandas（DataFrame 表格对象）：一行 df.groupby("subject")["score"].mean() 完成上面半个程序。但它的学习曲线需要先懂"读→洗→算→存"的心智模型——你已经有了。

第 7 步 · 报错手册（本节点新增）

节点自测清单

全勾 → 节点 ⑦ 完成，进入节点 ⑧（网络与 API）。未勾 → 回看对应步骤。

推荐资料