本篇是《Python 从入门到初级》第 11 / 20 篇。示例使用 Python 3.12 兼容语法，完整目录结构与数据见配套源码包。
很多办公数据不是数据库，而是从系统导出的 CSV。Python 可以读取这些记录、按条件计算，再输出其他程序也能读取的 JSON。本篇完成第一份订单统计报表。
1. 先看数据，再决定统计规则
在示例目录的 data/orders.csv 保存：
order_id,category,amount_cents,status
A001,图书,5900,paid
A002,办公,12500,paid
A003,图书,3900,pending
A004,数码,19900,paid
A005,办公,4500,cancelled
每行一笔订单，金额单位是整数分。统计规则是：保留全部订单数量，但只有 status 为 paid 的订单计入已支付数量和金额；pending、cancelled 不计入已支付汇总。
正确基准是总订单 5 笔，已支付 3 笔，金额 38300 分，即 383.00 元。分类中图书 5900 分、办公 12500 分、数码 19900 分。先写下这个人工核对值，后面才能判断代码是否正确。
2. CSV 和 JSON 各适合什么
CSV 适合规则的二维表格，通常有表头和多条记录；JSON 能表达字典、列表和嵌套结构，常用于接口与结构化报告。
CSV 字段里可以有带引号的逗号、换行等内容，所以使用 csv 模块读取，不要拿字符串 split 代替解析器。JSON 则需要用 json.loads 或 json.load 解析，不要把文本当 Python 代码执行。
3. 完整示例：从 CSV 生成报告
把数据文件放在正确位置，运行 python lesson11.py：
import csv
import json
from pathlib import Path
BASE = Path(__file__).resolve().parent
with (BASE / "data" / "orders.csv").open(newline="", encoding="utf-8-sig") as handle:
orders = list(csv.DictReader(handle))
paid_count = 0
paid_amount = 0
by_category = {}
for order in orders:
amount = int(order["amount_cents"])
if order["status"] != "paid":
continue
paid_count += 1
paid_amount += amount
category = order["category"]
by_category[category] = by_category.get(category, 0) + amount
summary = {
"total_orders": len(orders),
"paid_orders": paid_count,
"paid_amount_cents": paid_amount,
"by_category_cents": by_category,
}
output = BASE / "output" / "lesson11.json"
output.parent.mkdir(parents=True, exist_ok=True)
output.write_text(json.dumps(summary, ensure_ascii=False, indent=2), encoding="utf-8")
print(json.dumps(summary, ensure_ascii=False, indent=2))
print("结果文件：", output)
DictReader 把每行读成以表头为键的字典。刚读到的 amount_cents 仍是字符串，参与计算前必须转换成 int。
by_category.get(category, 0) 的作用是：第一次遇到某个分类，从 0 开始；后面再遇到它，就继续累加。这个模式也能用于员工工时、文件类型和日志级别统计。
4. 为什么打开文件时这样写
newline="" 让 csv 模块按自身规则处理换行。utf-8-sig 可兼容 UTF-8 文件开头的 BOM，常见于部分表格软件导出的文件；它不是自动识别所有编码的工具。
CSV 文件较大时可以边读取边统计。本例为了观察原始记录先生成列表，因此会把全部记录放进内存。后续处理大文件时应重新评估这个选择。
ensure_ascii=False 让输出 JSON 保留中文展示，indent=2 便于人阅读。这两项不是金额计算规则，也不会改变 paid 的筛选条件。
5. 核对文件，而不只看终端
程序会在 output/lesson11.json 中保存结果。打开它，检查 total_orders=5、paid_orders=3、paid_amount_cents=38300，再逐类对照金额。
这里 write_text 会覆盖同一个教学报告，重复运行仍更新这份文件。第 18 篇会改为让用户指定新输出文件，并拒绝覆盖已有结果。
还可以把 A003 改为 paid：预期已支付变为 4 笔、42200 分，图书分类变为 9800 分。改完练习后恢复原始数据，便于后续章节使用同一基准。
6. 这份简单脚本的边界
它假定数据符合表头和字段约定。缺列、金额不是整数或订单重复时，目前可能报错或统计出不符合业务预期的结果。
不要把“能处理示例 CSV”误认为“能接受任何外部文件”。第 13 篇会把读取和统计拆成模块，并补充表头、重复编号、状态及金额验证。
练习：额外统计 pending 的数量，但不要把它加入已支付金额。参考结果应为 1 笔。先明确“总数、状态数量、金额”分别代表什么，再添加统计字段。
上一篇：文件与 pathlib：读写文本、编码和路径 · 系列目录 · 下一篇：时间、正则与 Counter：统计日志和异常