web-dev-qa-db-fra.com

Conversion de CSV en tableau HTML en Python

J'essaie de prendre des données d'un fichier .csv et de les importer dans un tableau HTML au sein de python.

Ceci est le fichier csv https://www.mediafire.com/?mootyaa33bmijiq

Le contexte:
Le csv contient les données d’une équipe de football [Groupe d’âge, Tour, Opposition, Score par équipe, Score de l’opposition, Lieu]. Je dois pouvoir sélectionner un groupe d'âge spécifique et afficher uniquement ces détails dans des tableaux distincts. 

C'est tout ce que j'ai jusqu'ici .... 

infile = open("Crushers.csv","r")

for line in infile:
    row = line.split(",")
    age = row[0]
    week = row [1]
    opp = row[2]
    ACscr = row[3]
    OPPscr = row[4]
    location = row[5]

if age == 'U12':
   print(week, opp, ACscr, OPPscr, location)
pythonhtmlhtml-tableimport-from-csv
4
kmarshy

Avant de commencer à imprimer les lignes souhaitées, générez du HTML pour configurer une structure de tableau appropriée.

Lorsque vous trouvez une ligne à imprimer, imprimez-la au format HTML.

# begin the table
print("<table>")

# column headers
print("<th>")
print("<td>Week</td>")
print("<td>Opp</td>")
print("<td>ACscr</td>")
print("<td>OPPscr</td>")
print("<td>Location</td>")
print("</th>")

infile = open("Crushers.csv","r")

for line in infile:
    row = line.split(",")
    age = row[0]
    week = row [1]
    opp = row[2]
    ACscr = row[3]
    OPPscr = row[4]
    location = row[5]

    if age == 'U12':
        print("<tr>")
        print("<td>%s</td>" % week)
        print("<td>%s</td>" % opp)
        print("<td>%s</td>" % ACscr)
        print("<td>%s</td>" % OPPscr)
        print("<td>%s</td>" % location)
        print("</tr>")

# end the table
print("</table>")
1
John Gordon

Première installation de pandas:

pip install pandas

Puis lancez:

import pandas as pd

columns = ['age', 'week', 'opp', 'ACscr', 'OPPscr', 'location']
df = pd.read_csv('Crushers.csv', names=columns)

# This you can change it to whatever you want to get
age_15 = df[df['age'] == 'U15']
# Other examples:
bye = df[df['opp'] == 'Bye']
crushed_team = df[df['ACscr'] == '0']
crushed_visitor = df[df['OPPscr'] == '0']
# Play with this

# Use the .to_html() to get your table in html
print(crushed_visitor.to_html())

Vous obtiendrez quelque chose comme:

<table border="1" class="dataframe">
  <thead>
    <tr style="text-align: right;">
      <th></th>
      <th>age</th>
      <th>week</th>
      <th>opp</th>
      <th>ACscr</th>
      <th>OPPscr</th>
      <th>location</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <th>34</th>
      <td>U17</td>
      <td>1</td>
      <td>Banyo</td>
      <td>52</td>
      <td>0</td>
      <td>Home</td>
    </tr>
    <tr>
      <th>40</th>
      <td>U17</td>
      <td>7</td>
      <td>Aspley</td>
      <td>62</td>
      <td>0</td>
      <td>Home</td>
    </tr>
    <tr>
      <th>91</th>
      <td>U12</td>
      <td>7</td>
      <td>Rochedale</td>
      <td>8</td>
      <td>0</td>
      <td>Home</td>
    </tr>
  </tbody>
</table>

9
Nabil Bennani

D'abord quelques importations:

import csv
from html import escape
import io

Maintenant les blocs de construction - créons une fonction pour lire le CSV et une autre pour créer le tableau HTML:

def read_csv(path, column_names):
    with open(path, newline='') as f:
        # why newline='': see footnote at the end of https://docs.python.org/3/library/csv.html
        reader = csv.reader(f)
        for row in reader:
            record = {name: value for name, value in Zip(column_names, row)}
            yield record

def html_table(records):
    # records is expected to be a list of dicts
    column_names = []
    # first detect all posible keys (field names) that are present in records
    for record in records:
        for name in record.keys():
            if name not in column_names:
                column_names.append(name)
    # create the HTML line by line
    lines = []
    lines.append('<table>\n')
    lines.append('  <tr>\n')
    for name in column_names:
        lines.append('    <th>{}</th>\n'.format(escape(name)))
    lines.append('  </tr>\n')
    for record in records:
        lines.append('  <tr>\n')
        for name in column_names:
            value = record.get(name, '')
            lines.append('    <td>{}</td>\n'.format(escape(value)))
        lines.append('  </tr>\n')
    lines.append('</table>')
    # join the lines to a single string and return it
    return ''.join(lines)

Maintenant, rassemblez-le :)

records = list(read_csv('Crushers.csv', 'age week opp ACscr OPPscr location'.split()))

# Print first record to see whether we are loading correctly
print(records[0])
# Output:
# {'age': 'U13', 'week': '1', 'opp': 'Waterford', 'ACscr': '22', 'OPPscr': '36', 'location': 'Home'}

records = [r for r in records if r['age'] == 'U12']

print(html_table(records))
# Output:
# <table>
#   <tr>
#     <th>age</th>
#     <th>week</th>
#     <th>opp</th>
#     <th>ACscr</th>
#     <th>OPPscr</th>
#     <th>location</th>
#   </tr>
#   <tr>
#     <td>U12</td>
#     <td>1</td>
#     <td>Waterford</td>
#     <td>0</td>
#     <td>4</td>
#     <td>Home</td>
#   </tr>
#   <tr>
#     <td>U12</td>
#     <td>2</td>
#     <td>North Lakes</td>
#     <td>12</td>
#     <td>18</td>
#     <td>Away</td>
#   </tr>
#   ...
# </table>

Quelques notes:

  • csv.reader fonctionne mieux que le fractionnement de lignes car il gère également les valeurs entre guillemets et même les valeurs entre guillemets

  • html.escape est utilisé pour échapper des chaînes pouvant potentiellement contenir le caractère < ou >

  • il est souvent plus facile de travailler avec des dict que des tuples

  • généralement, les fichiers CSV contiennent un en-tête (première ligne avec les noms de colonne) et peuvent être facilement chargés à l’aide de csv.DictReader ; mais le Crushers.csv n'a pas d'en-tête (les données commencent à la toute première ligne), donc nous construisons nous-mêmes les dicts dans la fonction read_csv

  • les deux fonctions read_csv et html_table sont généralisées afin de pouvoir travailler avec toutes les données, les noms de colonne ne sont pas "codés en dur"

  • oui, vous pouvez utiliser pandas read_csv et to_html à la place :) Mais il est bon de savoir comment le faire sans pandas au cas où vous auriez besoin de personnalisation. Ou juste comme un exercice de programmation.

0
Messa