写文件

实现代码：

import csv

shuchu = []
    
shuchu.append(baseline.frequency)
shuchu.append(costd[-1])
shuchu.append(delayd[-1])

with open(cost_delay2.csv, a, newline=) as f2:
	writer = csv.writer(f2)
	writer.writerow(shuchu)

这里面的a意思为追加，即“接着上次的写”，类似的，还有w和r,分别意思为写和读，这里的写为覆盖的那种写 writer.writerow(shuchu)是一行一行写，writer.writerows(shuchu)是多行写入，比如，如果shuchu是个二维数组，那一行一行写就太费劲，所以这时候就需要writer.writerows()，我在最开始写V2V adaptive data rate的程序的时候就是用的这个来写入的 注意，从字面意思都可以看出来writer.writerow()和writer.writerows()这两个方法是对列表（list）等其他可迭代变量进行操作的，那如果只是写一个值呢？就需要像上面的程序一样，虽然只想要costd[-1]这一个值，但是却需要把这个值先写入一个列表，然后写入文件

读文件

以读下面的表格为例说明

实现代码：

import pandas as pd

ad = pd.read_csv("./cost_delay2.csv",)
print(ad)

address = pd.read_csv("./cost_delay2.csv",header = None)
print(address)

address0 = pd.read_csv("./cost_delay2.csv",header = None,usecols = [0])
print(address0)
address1 = pd.read_csv("./cost_delay2.csv",header = None,usecols = [1])
print(address1)
address2 = pd.read_csv("./cost_delay2.csv",header = None,usecols = [2])
print(address2)
print(address2.head(2))

输出：

2      495  3.033333333
0  3  691.250     2.550000
1  4  789.375     2.308333
2  5  926.750     1.970000

   0        1         2
0  2  495.000  3.033333
1  3  691.250  2.550000
2  4  789.375  2.308333
3  5  926.750  1.970000

   0
0  2
1  3
2  4
3  5

         1
0  495.000
1  691.250
2  789.375
3  926.750

          2
0  3.033333
1  2.550000
2  2.308333
3  1.970000

 		  2
0  3.033333
1  2.550000

从ad输出结果中可以看出，默认的输出是把表格的第一行的元素认为是表头了，然后左边自动添加了默认的行编号“0，1，2” 从address输出结果中可以看出，header = None的功能是取消列的表头，而使用像行一样的默认的表头，从而避免数据的错放 从address输出结果中可以看出，usecols = [i]这个参数是按照索引输出对应的列，这些列就是列表（list），是可以作图的时候作为x和y轴的 从address2.head(2)输出结果中可以看出，address2.head(2)的意义是输出前两行

最后

要注意用好哔哩哔哩这些工具来找 另一个文件的全局变量也是可以用baseline.frequency来读出来的，这就意味着全局变量也可以跨文件使用，其实是导包，并不是常规意义上的直接使用 对文件的操作中，普适的是：一个点是当前目录 两个点是上级目录，比如./cost_delay2.csv和../cost_delay2.csv的样子

两篇可以参考的文章