Python学习之文件操作

文件操作

说明:本blog绝大部分内容来自于Python数据分析与可视化(清华大学出版社，魏伟一，李晓红)，仅用于 自己学习使用。

文件处理过程

（1）打开文件：open()函数
（2）读取/写入文件：read()、readline()、readlines()、write()等
（3）对读取到的数据进行处理
（4）关闭文件：close()

一.open()函数

file_object=open(file_name[,access_mode=“r”,buffering=-1])
file_object: 打开的文件对象；
file_name: 要打开文件名的绝对路径/相对路径的字符串，包含路径名及拓展名；
access_mode: 可选参数，打开模式，默认r(只读),此外还有w(只写)和a(追加)；
buffering: 待打开文件的缓冲模式

二.数据的读取

eg1:读取txt文件
书中代码：

file=open("泰戈尔的诗.txt",mode='r')
content=file.read()
print(content)
file.close()
1
2
3
4

原本按照书中这样写，运行却出现了两个问题：
①读取不到文件，因为没有保存到python我所指定的路径下，所以出现了读取失败的情况；
②添加到指定路径下后，又出现’gbk’ codec can’t decode byte 0x80 in position 92: illegal multibyte sequence错误，查阅了一下，知道了是因为文件的编码问题引起的，需要添加encoding=‘UTF-8’。
修改后：

file=open("泰戈尔的诗.txt",mode='r',encoding='UTF-8')
content=file.read()
print(content)
file.close()
1
2
3
4

运行结果：

eg2:读取txt文件时指定读取数量

file=open("泰戈尔的诗.txt",mode='r',encoding='UTF-8')
content=file.read(10)#设置读取内容的长度size
print(content)
file.close()
print(type(content))
1
2
3
4
5

运行结果：

eg3:按行读取文件

file=open("泰戈尔的诗.txt",mode='r',encoding='UTF-8')
content=file.readlines()
print(content)
file.close()
print(type(content))
1
2
3
4
5

运行结果：

注：
①readlines()读取后得到的是每行数据组成的列表，一行样本数据全部存储为一个字符串，换行符也未去掉；
②每次用完文件后，都要关闭文件，否则文件就会一直被Python占用，不能被其他进程使用；
③可以使用with open() as f 语句来解决②中的问题，它会在操作后自动关闭文件。

三.读取CSV文件

CSV文件：字符分隔值(Comma Separated Values,CSV)文件，因为分隔符除了是逗号，还可以是制表符.它是一种常用的文本格式，用于存储表格数据，包括数字或字符。

CSV文件的特点：
①纯文本，使用某个字符集，例如ASCII、Unicode或GB2312；
②以行为单位读取数据，每行为一条记录；
③而每条记录又被分隔符分隔，成为字段；
④对于每条记录，都有同样的字段序列。

Python中内置了csv模块，import csv之后就可读取CSV文件了
eg:读取CSV文件
关于创建csv文件，首先在excel中完成内容的撰写，然后另存为csv格式，最后将其保存到python运行的路径中，方便程序运行时读取。

import csv
with open("student.csv","r") as f:
     reader=csv.reader(f)
     rows=[row for row in reader]
for item in rows:
    print(item)
1
2
3
4
5
6

运行结果：

四.文件写入与关闭

1.文件的写入

①使用write()函数，用于向文件中写入指定字符串，同时需要将open()函数中文件打开的参数设置为mode=“w”；
②write()是逐次写入，writelines()可将一个列表中所有的数据一次性写入文件；
③如果有换行需要，则要求在每条数据后边增加换行符，同时使用“字符串.join()“方法将每个变量数据联合写成一个字符串，并增加间隔符”\t";
④对于写入CSV文件的writer方法，可以调用writerow函数将列表中的每个元素逐行写入文件。

import csv
content=(['0','hanmeimei','23','81'],['1','mayi','18','99'],['2','jack','21','89'])
f=open("test.csv","w",newline='')
content_out=csv.writer(f)
for con in content:
    content_out.writerow(con)
f.close()
1
2
3
4
5
6
7

import csv
content=(['0','hanmeimei','23','81'],['1','mayi','18','99'],['2','jack','21','89'])
f=open("test.csv","w")#不加newline=''，会出现空行
content_out=csv.writer(f)
for con in content:
    content_out.writerow(con)
f.close()
1
2
3
4
5
6
7

2.关闭文件

eg:跳过文件中的注释内容和缺失值
补充：strip()函数，移除字符串头尾指定的字符序列，返回移除字)符串头尾指定的字符生成的新字符串。
详情见：link

def skip_header(f):
    line=f.readline()
    while line.startswith('#'):
        line=f.readline()
    return line

def process_file(f):
    #调用函数使其跳过文件头部
    line = skip_header(f).strip()
    for line in f:
        if line.startswith("-") or line.startswith("#"):
            line=f.readline()
        line=line.strip()#去除空行
        line=line.strip("#")#去除行中的"#"号
        print(line)
        
if __name__=="__main__":
    input_file=open("泰戈尔的诗.txt",'r',encoding='UTF-8')
    process_file(input_file)
    input_file.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20