前幾天已經學會 Python 的變數、List、Dictionary、流程控制和 Function，今天開始讓 Python 實際接觸資料。

因為這次 30 天的主題是「Python 爬蟲與資料分析」，之後從網站取得資料後，不可能只把資料留在程式裡，還需要把資料儲存下來，之後才能進一步整理和分析。

今天主要學習兩種常見的資料格式：CSV 和 JSON。

一、CSV 是什麼？

CSV（Comma-Separated Values）可以把它想成一個簡單的表格。

例如：

name,price,rating
無線耳機,1990,4.5
機械鍵盤,2500,4.7
滑鼠,890,4.3

每一列代表一筆資料，而不同欄位通常使用逗號分隔。

今天我先使用 Python 的 csv 模組，在 Google Colab 建立一個商品資料的 CSV 檔案。

import csv

products = [
["無線耳機", 1990, 4.5],
["機械鍵盤", 2500, 4.7],
["滑鼠", 890, 4.3]
]

with open("products.csv", "w", newline="", encoding="utf-8") as file:
writer = csv.writer(file)

writer.writerow(["name", "price", "rating"])
writer.writerows(products)

print("CSV 建立完成！")

執行後，可以在 Google Colab 左側的檔案區看到 products.csv。

二、讀取 CSV

建立完成後，我再練習把 CSV 資料讀取回來。

import csv

with open("products.csv", "r", encoding="utf-8") as file:
reader = csv.reader(file)

for row in reader:
    print(row)

執行後可以看到：

['name', 'price', 'rating']
['無線耳機', '1990', '4.5']
['機械鍵盤', '2500', '4.7']
['滑鼠', '890', '4.3']

這裡有一個需要注意的地方，從 CSV 讀取回來的資料通常會是字串。

例如：

'1990'

和：

1990

是不一樣的資料型態。

如果之後需要拿價格進行數學運算，就需要再進行資料型態轉換。

三、JSON 是什麼？

接著開始學習 JSON。

JSON 也是網路資料中很常見的一種格式，而且它的結構和 Python Dictionary 很像。

例如：

{
"name": "無線耳機",
"price": 1990,
"rating": 4.5
}

這和之前學過的 Python Dictionary：

product = {
"name": "無線耳機",
"price": 1990,
"rating": 4.5
}

看起來非常相似。

這也讓我比較容易理解 JSON 的資料結構。

四、建立與讀取 JSON

今天也實際練習使用 Python 建立 JSON：

import json

product = {
"name": "無線耳機",
"price": 1990,
"rating": 4.5
}

with open("product.json", "w", encoding="utf-8") as file:
json.dump(product, file, ensure_ascii=False, indent=4)

print("JSON 建立完成！")

其中 ensure_ascii=False 可以讓中文正常顯示，而 indent=4 可以讓 JSON 排版比較容易閱讀。

接著再把 JSON 讀取回來：

import json

with open("product.json", "r", encoding="utf-8") as file:
product = json.load(file)

print(product)
print(product["name"])
print(product["price"])

輸出：

{'name': '無線耳機', 'price': 1990, 'rating': 4.5}
無線耳機
1990
五、把前幾天學的內容結合起來

最後，我把前幾天學過的 List、Dictionary 和 for 迴圈，和今天學到的 CSV 結合起來。

import csv

products = [
{"name": "無線耳機", "price": 1990, "rating": 4.5},
{"name": "機械鍵盤", "price": 2500, "rating": 4.7},
{"name": "滑鼠", "price": 890, "rating": 4.3},
{"name": "USB 麥克風", "price": 1590, "rating": 4.6}
]

with open("products.csv", "w", newline="", encoding="utf-8") as file:
writer = csv.writer(file)

writer.writerow(["name", "price", "rating"])

for product in products:
    writer.writerow([
        product["name"],
        product["price"],
        product["rating"]
    ])

print("商品資料已經儲存成 CSV！")

這時候我開始看到一個比較完整的資料處理流程：

取得資料
↓
整理資料
↓
儲存成 CSV / JSON
↓
之後使用 Pandas 分析

這其實已經和之後的網路爬蟲流程有點接近了。