概述
在实际应用中我们进行数据处理与分析时，往往涉及大量的表格。一般来说，使用Python的专业数据分析处理工具包，完全可以胜任我们的大多数需求，比如Numpy+Pandas。但是有时候往往我们对表格数据的操作是很简单的，不需要太过复杂的操作，所以使用专业的数据分析工具包，有点杀鸡用牛刀的感觉。如果没有接触过专业数据分析工具，光是学习成本就不小，但是你可能仅仅需要对若干表格数据做个平均值之类的操作，属实浪费时间了。
因而，我们针对表格操作，设计了一套非常简易的操作方案，适合小白和简单表格程序化处理。所有的二维表格数据，我们都转换为Python里面的二维列表进行操作，这种方式简单直观，易于灵活处理，最重要的是非常节省精力和时间，从而把工作重心放在关键的地方。
基础
csv⽂件其实就是普通⽂本⽂件，遵循了⼀定的格式。常⻅的csv⽂件⼀般是⽤逗号来隔开列，⽤换⾏符隔开不同的⾏，注意这⾥的符号都是英⽂符号。因而，我们可以直接用文本处理的方式直接处理csv⽂件，但为了简单和省事，我们采用了csv库辅助处理。
图例：记事本打开csv文件
图例：WPS打开csv文件
毫无疑问，csv文件是最简单的表格文件，xls与xlsx文件比csv文件复杂得多，但简单的表格数据处理一般不涉及复杂的表格操作，因而可以借助表格处理软件（如WPS）进行这两类表格文件的转换。
代码
import csv
# 读入CSV文件，返回二维数据列表
def ReadCSV(path):
csv_sheet = [] # 若读取失败，则返回空列表，否则返回二维列表
with open(path, 'r', encoding='utf-8') as f:
data = csv.reader(f)
for row in data:
csv_sheet.append(row)
return csv_sheet
# 写出CSV文件，传递输出路径和二维数据列表
def WriteCSV(path, csv_sheet):
with open(path, 'w', newline="") as f:
data = csv.writer(f)
for row in csv_sheet:
data.writerow(row)
return True
return False
sheet_in = ReadCSV("input.csv")
print(sheet_in)
sheet_out = [[1, 2, 3], [3, 2, 1]]
result = WriteCSV("output.csv", sheet_out)
if not result:
print("文件写出失败！")
运行
附属
input.csv文件内容：
姓名,年龄,性别
张三,15,男
小红,17,女
李四,19,男
output.csv文件内容
1,2,3
3,2,1
