CSV（逗号分隔值）文件是存储和共享表格数据的最常见方法之一。这些文件由行和列组成，其中每行代表一个记录，列包含由分隔符（通常是逗号）分隔的值。
Python 提供了多种内置方法来处理 CSV 文件，使您可以高效地读取、写入和操作数据。
本教程将为您提供有关使用 Python 处理 CSV 文件的深入知识。
使用 open() 方法读取 CSV
您可以使用open()方法并以文本模式打开文件，然后迭代每一行，使用逗号作为分隔符分割值。
这是一个使用此的简单示例样本文件:
with open('sample.csv', 'r') as file:
for line in file:
row = line.strip().split(',')
print(row)
Output:
['"Index"', '"Name"', '"Age"', '"Favorite Color"']
['1', 'John', '6', 'Yellow']
['2', 'Ronald', '17', 'Red']
['3', 'Ruby', '23', 'Blue']
['4', 'Sarah', '53', 'Green']
['5', 'Timothy', '12', 'Green']
['6', 'Carol', '25', 'Red']
['7', 'Leo', '67', 'Blue']
['8', 'Quinn', '22', 'Green']
['9', 'Susan', '64', 'Orange']
['10', 'Luis', '79', 'Red']
在这里，open()函数以读取模式（‘r’）打开文件‘sample.csv’，并且strip()方法从每行中删除任何前导或尾随空格。
The split(',')然后，方法用逗号分隔每一行，为每一行提供一个值列表。
读取特定行
您可以通过迭代 CSV 文件并选择所需的行索引来读取特定行。让我们读取第三行（索引 2）sample.csv file.
import csv
def read_specific_row(row_number):
with open('sample.csv', 'r') as file:
reader = csv.reader(file)
for index, row in enumerate(reader):
if index == row_number:
print(row)
break
# Read the third row (index 2)
read_specific_row(2)
Output:
['2', 'Ronald', '17', 'Red']
阅读特定专栏
读取特定列涉及从每一行选择相同的索引。让我们从以下位置读取“名称”列（索引 1）：sample.csv file.
def read_specific_column(column_number):
with open('sample.csv', 'r') as file:
reader = csv.reader(file)
for row in reader:
print(row[column_number])
# Read the "Name" column (index 1)
read_specific_column(1)
Output:
'Name'
'John'
'Ronald'
'Ruby'
'Sarah'
'Timothy'
'Carol'
'Leo'
'Quinn'
'Susan'
'Luis'
使用 Python csv.reader 读取 CSV
为了更结构化的 CSV 读取，Python 提供了专用的csv模块.
使用csv.reader函数为您提供了更多控制权并使代码更具可读性。
这是一个例子：
import csv
with open('sample.csv', 'r') as file:
reader = csv.reader(file)
for row in reader:
print(row)
Output:
['"Index"', '"Name"', '"Age"', '"Favorite Color"']
['1', 'John', '6', 'Yellow']
['2', 'Ronald', '17', 'Red']
['3', 'Ruby', '23', 'Blue']
['4', 'Sarah', '53', 'Green']
['5', 'Timothy', '12', 'Green']
['6', 'Carol', '25', 'Red']
['7', 'Leo', '67', 'Blue']
['8', 'Quinn', '22', 'Green']
['9', 'Susan', '64', 'Orange']
['10', 'Luis', '79', 'Red']
在这里，您导入csv模块并使用csv.reader()方法，传入打开的文件。
这将返回一个迭代器，允许您循环遍历行，就像使用open() method.
The csv.reader负责用逗号分隔行。
获取行数
您可以遍历行，并在行进行时对它们进行计数：
import csv
def get_number_of_rows(filename):
with open(filename, 'r') as file:
reader = csv.reader(file)
return sum(1 for row in reader)
rows_count = get_number_of_rows('sample.csv')
print("Number of rows (including the header):", rows_count)
Output:
Number of rows (including the header): 11
结果为您提供 CSV 文件中的行数，并且在计数中包括标题行。
处理不同的分隔符
如果您的 CSV 文件由逗号以外的任何分隔符分隔，您可以使用delimiter范围。
以下是从此示例中读取以分号作为分隔符的文件的示例file:
import csv
with open('sample_semicolon.csv', 'r') as file:
reader = csv.reader(file, delimiter=';')
for row in reader:
print(row)
Output:
['"Index"', '"Name"', '"Age"', '"Favorite Color"']
['1', 'John', '6', 'Yellow']
['2', 'Ronald', '17', 'Red']
['3', 'Ruby', '23', 'Blue']
['4', 'Sarah', '53', 'Green']
['5', 'Timothy', '12', 'Green']
['6', 'Carol', '25', 'Red']
['7', 'Leo', '67', 'Blue']
['8', 'Quinn', '22', 'Green']
['9', 'Susan', '64', 'Orange']
['10', 'Luis', '79', 'Red']
通过提供delimiter参数，您可以定义自定义字符来分隔值。
在本例中，分号“;”是分隔符，因此csv.reader使用它将每一行分成几列。
使用 csv.DictReader 将 CSV 文件读入词典
With csv.DictReader，CSV 文件中的每一行都作为 OrderedDict 返回，其中键是第一行中的字段名称。
操作方法如下：
import csv
with open('sample.csv', 'r') as file:
reader = csv.DictReader(file)
for row in reader:
print(row)
Output:
{'Index': '1', 'Name': 'John', 'Age': '6', 'Favorite Color': 'Yellow'}
{'Index': '2', 'Name': 'Ronald', 'Age': '17', 'Favorite Color': 'Red'}
{'Index': '3', 'Name': 'Ruby', 'Age': '23', 'Favorite Color': 'Blue'}
{'Index': '4', 'Name': 'Sarah', 'Age': '53', 'Favorite Color': 'Green'}
{'Index': '5', 'Name': 'Timothy', 'Age': '12', 'Favorite Color': 'Green'}
{'Index': '6', 'Name': 'Carol', 'Age': '25', 'Favorite Color': 'Red'}
{'Index': '7', 'Name': 'Leo', 'Age': '67', 'Favorite Color': 'Blue'}
{'Index': '8', 'Name': 'Quinn', 'Age': '22', 'Favorite Color': 'Green'}
{'Index': '9', 'Name': 'Susan', 'Age': '64', 'Favorite Color': 'Orange'}
{'Index': '10', 'Name': 'Luis', 'Age': '79', 'Favorite Color': 'Red'}
Here, csv.DictReader读取 CSV 文件的第一行并将其用作字典的键。后续行将使用这些键读入字典，从而可以轻松按名称引用各个字段。
使用 open() 方法写入 CSV 文件
您可以使用open()具有写入模式（‘w’）的方法并使用write() method.
这是一个简单的例子：
data = [['Name', 'Age', 'Occupation'], ['John', '32', 'Engineer'], ['Jane', '28', 'Doctor']]
with open('output.csv', 'w') as file:
for row in data:
file.write(','.join(row) + '\n')
Output:
File output.csv将有：
Name,Age,Occupation
John,32,Engineer
Jane,28,Doctor
在这里，open()函数与“w”模式一起使用来打开文件进行写入。
在循环内部，','.join(row)将值之间用逗号连接起来，并且write()方法将每一行写入文件。
使用 csv.writer 写入 CSV 文件
编写 CSV 文件的一种更结构化的方法是使用csv.writer方法从csv module:
import csv
data = [['Name', 'Age', 'Occupation'], ['John', '32', 'Engineer'], ['Jane', '28', 'Doctor']]
with open('output.csv', 'w', newline='') as file:
writer = csv.writer(file)
writer.writerows(data)
Output:
File output.csv将有：
Name,Age,Occupation
John,32,Engineer
Jane,28,Doctor
在这里，csv.writer()方法提供了一种使用以下方法将行写入文件的简单方法writer.writerows()功能。
The newline=''参数确保在不同平台上正确处理行结尾。
使用 csv.DictWriter 编写字典
The csv模块还提供了一种将字典写入 CSV 文件的便捷方法csv.DictWriter。当数据已经是字典格式时，它特别有用。
使用方法如下：
import csv
data = [
{'Name': 'John', 'Age': '32', 'Occupation': 'Engineer'},
{'Name': 'Jane', 'Age': '28', 'Occupation': 'Doctor'}
]
with open('output.csv', 'w', newline='') as file:
writer = csv.DictWriter(file, fieldnames=['Name', 'Age', 'Occupation'])
writer.writeheader()
writer.writerows(data)
Output:
File output.csv将有：
Name,Age,Occupation
John,32,Engineer
Jane,28,Doctor
With csv.DictWriter，您提供fieldnames作为确定列顺序的键列表。
The writeheader()方法将键写入标题行，并且writer.writerows(data)将字典作为行写入 CSV 文件中。
处理引号字符
当值包含逗号或换行符等特殊字符时，您可以使用引号。指定quotechar and quoting参数。
例子：
import csv
with open('quoted.csv', 'w', newline='') as file:
writer = csv.writer(file, quotechar='"', quoting=csv.QUOTE_MINIMAL)
writer.writerow(['Name', 'Age', 'Occupation, Title'])
Output:
File quoted.csv将有：
Name,Age,"Occupation, Title"
通过设置quotechar and quoting，您可以控制特殊字符的处理方式。在上面的示例中，第三个值包含在引号中，因为它包含逗号。
操作列
添加列
向 CSV 文件添加新列可以通过读取文件、向每一行添加新列，然后将修改后的行写回新文件来完成。
这是一个例子：
import csv
# Adding a new column 'Salary'
with open('sample.csv', 'r') as infile, open('output.csv', 'w', newline='') as outfile:
reader = csv.reader(infile)
writer = csv.writer(outfile)
# Write headers with the new column
headers = next(reader)
headers.append('Salary')
writer.writerow(headers)
# Write rows with a new column value
for row in reader:
row.append('50000')
writer.writerow(row)
Output:
File output.csv将有：
Index,Name,Age,Favorite Color,Salary
1,John,6,Yellow,50000
2,Ronald,17,Red,50000
3,Ruby,23,Blue,50000
4,Sarah,53,Green,50000
5,Timothy,12,Green,50000
6,Carol,25,Red,50000
7,Leo,67,Blue,50000
8,Quinn,22,Green,50000
9,Susan,64,Orange,50000
10,Luis,79,Red,50000
删除列
删除列可以通过在写入新文件时省略该列来实现。
例子：
import csv
with open('input.csv', 'r') as infile:
reader = csv.reader(infile)
with open('output.csv', 'w', newline='') as outfile:
writer = csv.writer(outfile)
for row in reader:
# Removing the Age column (index 2)
del row[2]
# Writing the modified row to the new file
writer.writerow(row)
Output:
File output.csv将有：
Index,Name,Favorite Color
1,John,Yellow
2,Ronald,Red
3,Ruby,Blue
4,Sarah,Green
5,Timothy,Green
6,Carol,Red
7,Leo,Blue
8,Quinn,Green
9,Susan,Orange
10,Luis,Red
在此示例中，在写入新文件之前，将从标题和各个行中删除“年龄”列。
重命名列标题
以下是如何将“最喜欢的颜色”列重命名为“颜色”的示例sample.csv file:
import csv
with open('sample.csv', 'r') as file:
reader = csv.reader(file)
rows = list(reader)
# Modify the header
rows[0][3] = 'Color'
# Write the data back to the file
with open('sample.csv', 'w', newline='') as file:
writer = csv.writer(file)
writer.writerows(rows)
Output:
"Index","Name","Age","Color"
1,John,6,Yellow
2,Ronald,17,Red
3,Ruby,23,Blue
4,Sarah,53,Green
5,Timothy,12,Green
6,Carol,25,Red
7,Leo,67,Blue
8,Quinn,22,Green
9,Susan,64,Orange
10,Luis,79,Red
操纵行
添加行
将行附加到 CSV 文件非常简单。您可以以追加模式（‘a’）打开文件并写入新行。
这是一个例子：
import csv
new_rows = [['11', 'Jake', '40', 'White'], ['12', 'Emily', '35', 'Black']]
with open('sample.csv', 'a', newline='') as file:
writer = csv.writer(file)
writer.writerows(new_rows)
Output:
File sample.csv将有：
"Index","Name","Age","Favorite Color"
1,John,6,Yellow
2,Ronald,17,Red
3,Ruby,23,Blue
4,Sarah,53,Green
5,Timothy,12,Green
6,Carol,25,Red
7,Leo,67,Blue
8,Quinn,22,Green
9,Susan,64,Orange
10,Luis,79,Red
11,Jake,40,White
12,Emily,35,Black
在这里，以追加模式打开文件允许将新行添加到文件末尾，而不会覆盖现有内容。
删除行（过滤）
删除行需要读取文件，过滤掉不需要的行，然后将剩余的行写回文件。
例子：
import csv
with open('sample.csv', 'r') as infile, open('output.csv', 'w', newline='') as outfile:
reader = csv.reader(infile)
writer = csv.writer(outfile)
writer.writerow(next(reader))
# Write only the rows that have Age greater than 50
for row in reader:
if int(row[2]) > 50:
writer.writerow(row)
Output:
File output.csv将有：
Index,Name,Age,Favorite Color
4,Sarah,53,Green
7,Leo,67,Blue
9,Susan,64,Orange
10,Luis,79,Red
此处，代码过滤掉“Age”小于 50 的行，并仅将剩余行写入新文件。
替换值
假设您想将年龄“17”替换为“18”。以下是实现这一目标的方法：
import csv
def replace_values(filename, old_value, new_value):
with open(filename, 'r') as file:
reader = csv.reader(file)
rows = [row for row in reader]
# Replace the old value with the new value
for row in rows:
for index, value in enumerate(row):
if value == old_value:
row[index] = new_value
# Write the updated data back to the file
with open(filename, 'w', newline='') as file:
writer = csv.writer(file)
writer.writerows(rows)
replace_values('sample.csv', '17', '18')
Output:
"Index","Name","Age","Favorite Color"
1,John,6,Yellow
2,Ronald,18,Red
3,Ruby,23,Blue
4,Sarah,53,Green
5,Timothy,12,Green
6,Carol,25,Red
7,Leo,67,Blue
8,Quinn,22,Green
9,Susan,64,Orange
10,Luis,79,Red
如您所见，第二排的年龄是 17 岁，现在是 18 岁。
数据排序
您可以使用基于一列或多列对行进行排序sorted()功能。
下面是按年龄排序的示例：
import csv
with open('sample.csv', 'r') as file:
reader = csv.reader(file)
rows = list(reader)
# Sort by Age (index 2)
rows[2:] = sorted(rows[2:], key=lambda row: int(row[2]))
with open('sorted.csv', 'w', newline='') as file:
writer = csv.writer(file)
writer.writerows(rows)
Output:
File sorted.csv将有：
Index,Name,Age,Favorite Color
1,John,6,Yellow
5,Timothy,12,Green
2,Ronald,17,Red
8,Quinn,22,Green
3,Ruby,23,Blue
6,Carol,25,Red
12,Emily,35,Black
11,Jake,40,White
4,Sarah,53,Green
9,Susan,64,Orange
7,Leo,67,Blue
10,Luis,79,Red
在此示例中，代码将所有行读取到列表中，然后使用“年龄”列对行（不包括标题）进行排序sorted函数和 lambda 函数作为键。然后将排序后的行写入新的 CSV 文件。
合并和连接 CSV 文件
当相关数据分布在多个文件中时，合并和连接 CSV 文件是一项常见任务。
您可以通过读取文件并根据公共键或列匹配行来实现此目的。
以下是在公共“ID”列上连接两个 CSV 文件的示例：
file1.csv:
ID,Name
1,John
2,Jane
file2.csv:
ID,Age
1,32
2,28
合并这些文件的代码：
import csv
file2_data = {}
with open('file2.csv', 'r') as file:
reader = csv.reader(file)
next(reader) # Skip header
for row in reader:
file2_data[row[0]] = row[1]
# Read file1.csv and join with file2.csv
with open('file1.csv', 'r') as infile, open('output.csv', 'w', newline='') as outfile:
reader = csv.reader(infile)
writer = csv.writer(outfile)
writer.writerow(next(reader) + ['Age'])
# Join and write rows
for row in reader:
writer.writerow(row + [file2_data[row[0]]])
Output:
File output.csv将有：
ID,Name,Age
1,John,32
2,Jane,28
在这个例子中，file2.csv首先使用“ID”列作为键读入字典。
Then, file1.csv逐行读取，“年龄”列来自file2.csv使用“ID”作为公共键附加到每一行。
处理缺失值
处理数据时，CSV 文件中的缺失值可能会导致错误或结果不准确。
您可以通过跳过缺失值、使用默认值填充缺失值或使用数据插补方法来处理缺失值。
下面是一个用默认值填充缺失值的示例：
import csv
with open('missing_values.csv', 'r') as infile, open('output.csv', 'w', newline='') as outfile:
reader = csv.reader(infile)
writer = csv.writer(outfile)
for row in reader:
# Replace missing values (empty strings) with 'N/A'
cleaned_row = [value if value != '' else 'N/A' for value in row]
writer.writerow(cleaned_row)
missing_values.csv内容：
Name,Age,Occupation
John,,Engineer
Jane,28,
Output:
File output.csv将有：
Name,Age,Occupation
John,N/A,Engineer
Jane,28,N/A
在此示例中，缺失值由 CSV 文件中的空字符串表示。该代码读取每一行并用“N/A”替换缺失值，然后将清理后的行写入新文件。
处理重复行
CSV 文件中的重复行可能会影响您的数据分析。您需要识别并删除重复项以确保工作的准确性。
以下是如何根据所有列删除重复行的示例：
import csv
seen_rows = set()
with open('duplicates.csv', 'r') as infile, open('output.csv', 'w', newline='') as outfile:
reader = csv.reader(infile)
writer = csv.writer(outfile)
for row in reader:
row_tuple = tuple(row)
if row_tuple not in seen_rows:
writer.writerow(row)
seen_rows.add(row_tuple)
duplicates.csv内容：
Name,Age,Occupation
John,32,Engineer
Jane,28,Doctor
John,32,Engineer
Output:
File output.csv将有：
Name,Age,Occupation
John,32,Engineer
Jane,28,Doctor
在此示例中，有一个名为seen_rows跟踪已处理的行。如果遇到集合中已有的行，则会跳过该行，从而有效地从输出文件中删除重复项。
具有不同编码的 CSV 文件
文件可以使用不同的字符集进行编码，例如 UTF-8 或 ISO-8859-1。
读写不同编码的CSV文件需要在Python中指定编码。
下面是读取以 ISO-8859-1 编码的文件并以 UTF-8 写入的示例：
import csv
with open('input.csv', 'r', encoding='ISO-8859-1') as infile, open('output.csv', 'w', newline='', encoding='UTF-8') as outfile:
reader = csv.reader(infile)
writer = csv.writer(outfile)
for row in reader:
writer.writerow(row)
通过指定encoding中的参数open函数，可以处理不同编码的文件。
在此示例中，代码读取以 ISO-8859-1 编码的文件并使用 UTF-8 写入该文件。
在处理可能无法以标准 ASCII 编码表示的国际字符和符号时，这一点至关重要。
读取和写入大文件
当处理无法放入内存的大型 CSV 文件时，您可以逐行读取和写入文件以减少内存使用量。
以下是逐行读取和写入大文件的示例：
with open('large_input.csv', 'r') as infile, open('large_output.csv', 'w', newline='') as outfile:
for line in infile:
outfile.write(line)
此代码一次一行读取大型 CSV 文件，并将每一行写入一个新文件。通过避免将整个文件加载到内存中，它使您能够处理超出可用内存的文件。
虽然此方法内存效率高，但它可能并不适合所有数据处理任务，尤其是那些需要随机访问文件内容的任务。然而，对于简单的转换或过滤，它可能非常有用。
第三方库概述
虽然 Python 的内置 CSV 模块功能强大，但第三方库可以提供额外的功能和优化。
agate
Agate 是一个数据分析库，它扩展了 Python 内置 CSV 处理的功能。
import agate
table = agate.Table.from_csv('data.csv')
table.print_table()
Output:
| Index | Name | Age | Favorite Color |
| ----- | ------- | --- | -------------- |
| 1 | John | 6 | Yellow |
| 2 | Ronald | 17 | Red |
| 3 | Ruby | 23 | Blue |
| 4 | Sarah | 53 | Green |
| 5 | Timothy | 12 | Green |
| 6 | Carol | 25 | Red |
| 7 | Leo | 67 | Blue |
| 8 | Quinn | 22 | Green |
| 9 | Susan | 64 | Orange |
| 10 | Luis | 79 | Red |
Agate 提供 SQL 式查询、统计等功能。它对于复杂的数据分析任务特别有用。
基准阅读
使用 CSV 文件时，性能可能会因读取数据所用的方法而异。
我们来比较一下性能open(), csv.reader, csv.DictReader, and pandas.read_csv.
阅读更多关于如何使用 Pandas read_csv 读取 CSV 文件.
我们将使用一个样本文件有 1000 行和 10 列。
import csv
import pandas as pd
import timeit
# Using open()
def read_with_open():
with open('data.csv', 'r') as file:
return file.readlines()
# Using csv.reader
def read_with_csv_reader():
with open('data.csv', 'r') as file:
return list(csv.reader(file))
# Using csv.DictReader
def read_with_csv_dictreader():
with open('data.csv', 'r') as file:
return list(csv.DictReader(file))
# Using pandas read_csv
def read_with_pandas():
return pd.read_csv('data.csv')
print('open():', timeit.timeit(read_with_open, number=1000))
print('csv.reader:', timeit.timeit(read_with_csv_reader, number=1000))
print('csv.DictReader:', timeit.timeit(read_with_csv_dictreader, number=1000))
print('pandas read_csv:', timeit.timeit(read_with_pandas, number=1000))
Output:
open(): 1.220612900040578
csv.reader: 3.8335254000267014
csv.DictReader: 4.351687000016682
pandas read_csv: 4.525356799946167
open()速度最快，但提供的功能最少。pandas.read_csv提供最多的功能，但对于简单的任务可能会较慢。
基准写作
写入 CSV 文件也有不同的方法。我们来比较一下open(), csv.writer, csv.DictWriter, and pandas.to_csv.
阅读有关如何使用编写 CSV 文件的更多信息熊猫 to_csv.
我们将使用上述基准测试中使用的相同示例文件来写入其内容。
import csv
import pandas as pd
import timeit
# Read the data from sample.csv
with open('sample.csv', 'r') as file:
reader = csv.DictReader(file)
data = [row for row in reader]
# Using open()
def write_with_open():
with open('output.csv', 'w') as file:
for row in data:
file.write(','.join(map(str, row.values())) + '\n')
# Using csv.writer
def write_with_csv_writer():
with open('output.csv', 'w', newline='') as file:
writer = csv.writer(file)
writer.writerow(data[0].keys()) # Write headers
for row in data:
writer.writerow(row.values())
# Using csv.DictWriter
def write_with_csv_dictwriter():
with open('output.csv', 'w', newline='') as file:
writer = csv.DictWriter(file, fieldnames=data[0].keys())
writer.writeheader()
writer.writerows(data)
# Using pandas to_csv
def write_with_pandas():
df = pd.DataFrame(data)
df.to_csv('output.csv', index=False)
print('open():', timeit.timeit(write_with_open, number=1000))
print('csv.writer:', timeit.timeit(write_with_csv_writer, number=1000))
print('csv.DictWriter:', timeit.timeit(write_with_csv_dictwriter, number=1000))
print('pandas to_csv:', timeit.timeit(write_with_pandas, number=1000))
Output:
open(): 4.888178199995309
csv.writer: 6.31797530001495
csv.DictWriter: 8.040658099984284
pandas to_csv: 7.672513599973172
同样，这些时间安排反映了简单性和功能性之间的权衡。open()速度更快，但需要手动处理，而pandas.to_csv以牺牲性能为代价提供更多功能。
csv.reader 不工作（问题和修复）
文件未找到：确保 CSV 文件的名称和路径正确。如果 CSV 文件与 Python 脚本不在同一目录中，您将需要提供该文件的完整路径。
编码错误：如果您的 CSV 文件包含特殊字符，您可能会遇到编码问题。您可以在打开文件时指定编码：
with open('file.csv', 'r', encoding='utf-8') as file:
分隔符问题：如果您的 CSV 文件使用逗号以外的分隔符，则需要在创建时指定该分隔符csv.reader object:
reader = csv.reader(file, delimiter=';')
换行问题：有时，处理换行符的方式可能会在读取 CSV 文件时引起问题。您可以添加newline=''打开文件时的参数来处理此问题：
with open('file.csv', 'r', newline='') as file:
csv.writer 不工作（问题和修复）
文件权限错误：如果您尝试写入没有权限的位置，您将遇到错误。尝试写入您知道自己具有写入权限的位置。
缺少“换行符”参数：写入 CSV 文件时，通常建议包含newline=''打开文件时。这有助于确保在不同平台上一致地处理换行符。
在“读取”模式文件中写入：确保您使用以下命令打开文件'w' or 'a'（写入或追加模式）而不是'r'（阅读模式）。
数据结构不正确：确保您尝试写入的数据格式正确，通常是列表列表，其中每个内部列表代表 CSV 中的一行。
在其他地方打开 CSV 文件：如果您尝试写入的文件在另一个程序（例如 Excel）中打开，您可能会遇到问题。在写入文件之前，请确保该文件已在其他程序中关闭。
指定分隔符：如果您需要使用不同的分隔符（例如，用分号而不是逗号）编写 CSV 文件，您可以指定delimiter范围：
writer = csv.writer(file, delimiter=';')
特殊字符编码：如果您要处理特殊字符，请确保使用适当的编码。您可以在打开文件时指定编码：
with open('file.csv', 'w', newline='', encoding='utf-8') as file:
