【Python 系列 第6讲】CSV读写：保存再读回价格表

1. 本节目标

第 6 讲把前几讲一直在内存里操作的小样本，第一次真正落到文件里。目标很明确：学会用标准库 csv 把价格表写到磁盘，再从磁盘读回来，确认数据结构没有丢。量化练习不可能永远只靠手写列表，迟早要和文件发生关系，所以这一步值得尽早练熟。

学完这一讲后，你可以直接完成下面几件事：

1. 用 csv.writer 把价格样本写成 CSV 文件。
2. 用 csv.DictReader 把它重新读回来。
3. 核对读回的数据是否还能继续用于后续分析。

第 6 讲的重点不是文件系统知识，而是让你第一次打通“内存数据 <-> 本地文件”的最小闭环。

2. 为什么第 6 讲先练“保存再读回”

如果只在代码里临时定义列表和字典，你很容易误以为数据处理一直都会这么简单。真实工作里，数据通常来自文件，也经常需要把结果再写回文件。若你在入门阶段不尽早练这一步，后面一碰到“把结果保存下来”，就很容易卡住。

第 6 讲故意只用标准库 csv，原因很简单：

1. 不需要安装任何依赖，延续 starter 系列的低门槛。
2. CSV 结构足够直白，适合观察字段和行。
3. 你可以明确看到“写出”和“读回”是不是一一对应。

3. 准备一组最小价格记录

records = [
    {'date': '2024-01-01', 'close': 12.34},
    {'date': '2024-01-02', 'close': 12.80},
    {'date': '2024-01-03', 'close': 12.65},
]

当前只保留 date 和 close 两列，目的是把文件读写动作本身看清楚，不让额外字段把注意力分散掉。

4. 四步完成最小 CSV 往返

下面四步分别解决文件路径、写出结构、读回内容和类型恢复四个问题，按顺序做最不容易丢字段或读错类型。

5. 导入csv并指定文件名

import csv

file_path = 'prices_sample.csv'

本讲先用相对路径，这样文件就会直接生成在当前脚本所在目录，最容易找到。

6. 把价格记录写成 CSV 文件

with open(file_path, 'w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    writer.writerow(['date', 'close'])
    for record in records:
        writer.writerow([record['date'], record['close']])

这里有三个细节值得记住：

1. newline='' 能避免 Windows 下多余空行。
2. encoding='utf-8' 能让后面加中文列名或摘要时更稳。
3. 先写表头，再写每一行数据，是最清楚的 CSV 起步方式。

7. 再把文件读回来

loaded_records = []

with open(file_path, 'r', encoding='utf-8') as f:
    reader = csv.DictReader(f)
    for row in reader:
        loaded_records.append(row)

print(loaded_records)

这一步故意使用 DictReader，因为读回来以后，每一行都会直接按列名组织成字典，比“按位置取第 0 列、第 1 列”更直观。

8. 把读回的价格类型转成数值

for row in loaded_records:
    row['close'] = float(row['close'])

print(loaded_records)

CSV 文件里的数据读回来时通常先是字符串。若你后面还要继续算收益率，这一步转回浮点数很有必要。

9. 怎样判断这次 CSV 往返是成功的

验证时重点看三件事：文件有没有真的落盘、读回来的条数对不对、价格能不能恢复成后面还能继续计算的数值类型。

10. 文件确实生成了

import os
assert os.path.exists(file_path)

11. 读回来的条数和原始记录一致

assert len(loaded_records) == len(records)

12. 第一条日期没有丢

assert loaded_records[0]['date'] == '2024-01-01'

13. 价格已经恢复成浮点数

assert isinstance(loaded_records[0]['close'], float)
assert loaded_records[0]['close'] == 12.34

只要这几项通过，就说明你已经把“写出文件”和“读回继续用”这个闭环打通了。

14. 为什么读回来的数据和写出去时看起来不一样

这一节最常见的疑惑都和“CSV 只是文本格式”有关。只要先接受这一点，很多现象都会更容易理解。

15. 为什么close读回来变成字符串了

因为 CSV 本身只是一种文本格式，不会自动替你保留 Python 里的数值类型。需要你在读回后手动转成 float。

16. 为什么 Windows 下会多空行

通常是写文件时少了 newline=''。这个参数在 CSV 入门里很常用，最好从一开始就养成习惯。

17. 为什么建议用DictReader

因为它能直接按列名读取，结构更清楚。对 starter 系列来说，这比按索引读列更适合入门。

18. 文件名能不能换成别的

当然可以。本讲重点不是文件名，而是你要知道“写哪儿、读哪儿、读回后长什么样”。

19. 哪些情况仍然算本讲完成

1. 你可以把文件名改成别的，只要写和读使用的是同一个路径。
2. 当前不要求处理特别大的 CSV，小样本就够。
3. 当前只保存 date 和 close，不要求把收益率一起写进去。
4. 若你读回后先只打印，不立刻转 float，也可以，但后面继续分析前一定要补上类型转换。

20. 写成一个最小保存和读取函数

import csv


def save_price_csv(records, file_path):
    with open(file_path, 'w', newline='', encoding='utf-8') as f:
        writer = csv.writer(f)
        writer.writerow(['date', 'close'])
        for record in records:
            writer.writerow([record['date'], record['close']])


def load_price_csv(file_path):
    loaded = []
    with open(file_path, 'r', encoding='utf-8') as f:
        reader = csv.DictReader(f)
        for row in reader:
            row['close'] = float(row['close'])
            loaded.append(row)
    return loaded

这样你下一次换一组样本时，不用再从零重写整段文件操作。

21. 第 6 讲建立的是“数据不只存在内存里”的意识

前几讲的价格、收益率和筛选结果都只活在脚本运行当下。第 6 讲的价值，在于让你第一次明确感受到：一份小数据是可以被保存、被重新读取、被重复使用的。对量化入门来说，这一步非常重要，因为后面你几乎一定会处理外部文件。

因此，本讲真正跑通的，不只是 csv 的基本写法，而是“我写出来的数据，下一次还能读回来继续分析”的工作流意识。

22. 完成标准

如果你现在已经能把一组价格记录写成 CSV，再读回来并恢复成可继续计算的结构，那第 6 讲就算完成。

23. 系列衔接

本讲是《Python量化入门短课》的第 6/8 讲，当前主题是《CSV读写：保存再读回价格表》。

上一讲：第 5 讲《条件判断：筛出上涨交易日》。

下一讲：第 7 讲《异常处理：避开空值和除零》。

后续安排：第 8 讲《生成一份行情摘要》。

24. 风险揭示与免责声明