如何从DBF文件中仅读取未删除记录并加载到DataFrame

使用dbfread排除已删除记录的实现方法 #

dbfread返回的每一条记录对象自带deleted布尔属性，标记该记录是否为已删除状态，你可以在遍历转换时直接过滤，无需单独调用.deleted()属性做差集，实现代码如下：

from dbfread import DBF
import pandas as pd

arcust_dbf = DBF('arcust.dbf', ignore_missing_memofile=True)
# 仅保留未被标记删除的记录
valid_records = [record for record in arcust_dbf if not record.deleted]
arcust = pd.DataFrame(valid_records)

如果你确实需要通过.deleted()属性实现排除逻辑，可以先获取所有已删除记录的唯一标识列（比如主键ID），再从全量记录中过滤匹配的条目，不过该方法性能比直接过滤标记要差，不推荐使用。

更优实现方案与替代第三方包 #

针对DBF转DataFrame的场景，还有两个兼容性和易用性更好的第三方包可选：

• simpledbf：专门封装了DBF转DataFrame的能力，默认自动过滤已删除记录，代码最简，适合仅需要读取转换的轻量场景：

from simpledbf import Dbf5
import pandas as pd

dbf = Dbf5('arcust.dbf')
arcust = dbf.to_dataframe()

• dbf：支持全量DBF操作（读写、修改删除标记、处理不同版本DBF规范），兼容性覆盖VFP、dBase等绝大多数DBF格式，适合需要深度处理DBF文件的场景：

import dbf
import pandas as pd

with dbf.Table('arcust.dbf', ignore_memos=True).open() as table:
    # 筛选未删除记录转换为DataFrame
    arcust = pd.DataFrame(table.select(lambda rec: not rec._deleted))

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