如何使用Pandas替代原生csv库筛选CSV指定行并导出带自定义表头的文件

原有功能说明 #

现有基于Python原生csv库的代码，实现以下功能：

• 读取原始CSV文件，筛选前三个字段为Data、9、record的行
• 导出结果的表头依次为timestamp、latitude、longitude、distance、altitude、speed
• 字段取值来自原始数据的第5、8、11、14、17、20列（列索引从1开始计数），同时去除字段两端的双引号
• 最后读取导出的文件打印每行内容验证结果

原生csv库实现代码 #

import csv

with open("assets/ride.csv", "r") as source:
    lines = source.readlines()
    
    with open("solution06.csv", "w") as new_file:
        # 写入表头
        new_file.write(','.join(('timestamp','latitude','longitude','distance','altitude','speed')))
        new_file.write('\n')
        
        # 遍历原始表头之后的所有行
        for line in lines[1:]:
            line = line.split(',')
            
            # 仅保留以"Data,<number>,record"开头的行
            if line[0] == 'Data'and line[1] == '9' and line[2] == 'record':
                # 拼接需要的字段并写入新行
                new_file.write(','.join(line[column - 1].strip('"') for column in (5, 8, 11, 14, 17, 20)))
                new_file.write('\n')
    
with open("solution06.csv", "r") as source:
    for line in source.readlines():
        print(line.strip('\n').split(','))

等效Pandas实现代码 #

import pandas as pd

# 读取原始CSV文件，不自动识别表头，所有字段以字符串格式读取避免格式转换异常
df = pd.read_csv("assets/ride.csv", header=None, dtype=str)

# 筛选符合条件的行：前3列依次为Data、9、record，同时跳过原始第一行（对应原代码lines[1:]）
filtered_df = df.loc[1:][(df[0] == 'Data') & (df[1] == '9') & (df[2] == 'record')]

# 取指定列（原1起始索引5/8/11/14/17/20对应Pandas0起始索引4/7/10/13/16/19），去除所有字段两端双引号，重命名表头
result_df = filtered_df[[4,7,10,13,16,19]].apply(lambda x: x.str.strip('"'))
result_df.columns = ['timestamp','latitude','longitude','distance','altitude','speed']

# 导出为CSV文件，不保存索引
result_df.to_csv("solution06.csv", index=False)

# 读取导出文件打印验证
verify_df = pd.read_csv("solution06.csv", dtype=str)
for _, row in verify_df.iterrows():
    print(row.tolist())

内容的提问来源于stack exchange，提问作者user12755836