主流数据文件类型（.dat/.txt/.json/.csv）导入到python

手写很累，复制的同学请点赞犒劳下在下哦 ^_^

一、对于.CSV类型的数据

它们的数据导入都很简单

且看下面一顿操作：

我平时一般是读取整个文件，直接这样就可以了：

import pandas as pd
data = pd.read_csv('test.csv',encoding = 'GBK', engine="python")

得到的，是一个DataFrame类型的data，不熟悉处理方法可以参考pandas十分钟入门

如有 OSError: Initializing from file failed 这样的错误，就是没有加 engine = "python"

还有一种方法就是用CSV库：

import csv

with open("test.csv","r") as csvfile:
    data = csv.reader(csvfile)
    #这里不需要readlines
    for line in data:
        print line

其次是写入，一般简单的写入只需要：

import pandas as pd

#这里只是范例，a,b可根据实际替换为你想写入的内容
#搞出来一个字典，然后转成dataframe类型
a = [1,2,3]
b = [4,5,6]    
dataframe = pd.DataFrame({'a_name':a,'b_name':b})

#将DataFrame存储为csv格式, index表示是否显示行名，default=True
dataframe.to_csv("test.csv",index=False,sep=',')

ok 完工

需求高一点的就是逐行写。

import csv

with open("test.csv","w") as csvfile: 
    data = csv.writer(csvfile)

    #先写入columns_name
    data.writerow(["index","a_name","b_name"])
    #写入多行用writerows
    data.writerows([[0,1,3],[1,2,3],[2,3,4]])

二、.txt 就简单了

直接上去三板斧

f = open('/test.txt')

f.read()

f.close()

需要注意的是，f.write()有坑，要注意模式，

f1 = open('/test.txt','w')
f1.write('hello buddy!')

但此时数据只写到了缓存中，并未保存到文件，而且从下面的输出可以看到，原先里面的配置被清空了然后就囧了。

使用r+ 模式不会先清空，但是会替换掉原先的文件。

如果在写之前先读取一下文件，再进行写入，则写入的数据会添加到文件末尾而不会替换掉原先的文件。这是因为指针引起的，r+ 模式的指针默认是在文件的开头，如果直接写入，则会覆盖源文件，通过read() 读取文件后，指针会移到文件的末尾，再写入数据就不会有问题了。这里也可以使用a 模式。

三、.dat文件很方便，因为他既能转成.txt，他的格式也很方便，一般都是用”，“或者”：：“分割开。

处理的话，我是用

users = pd.read_table(path+'users.dat',sep = '::',header=None, names = unames,engine='python')

这种方法的，path可以定义一个绝对路径，移植的时候也很方便。

四、.json文件的读写

pandas库还为我们提供了可以读取很多种类文件类型的函数。

我就不一一列举示例了，调用很简单，而且很多编辑器也会给你一些参数上的提示。

Json文件是相当常见一种文件类型。对于这类数据的读取，极其极其简单。

直接上个例子：

设Json文件

{
    "fontFamily": "微软雅黑",
    "fontSize": 12,
    "BaseSettings":{
        "font":1,
        "size":2
                   }
}

只需要这样读取：

import json

def loadFont():
    f = open("Settings.json", encoding='utf-8')  //设置以utf-8解码模式读取文件，encoding参数必须设置，否则默认以gbk模式读取文件，当文件中包含中文时，会报错
    setting = json.load(f)    //其实读取的核心就是这个函数
    family = setting['BaseSettings']['size']   //注意多重结构的读取语法
    size = setting['fontSize']   
    return family, size

t，x = loadFont()

print(t)
#将会返回t值为2， x为12

how easy it is

.txt文件可以直接用pandas中的pd.read_csv('filename')直接傻瓜式读写。参见最上面csv文件的读写。

类型转换格式对应表：

JSON	Python
Object	dict
array	list
String	unicode
number(int)	int, long
number(real)	float
true	True
false	False
null	None

使用第三方库：Demjson

Demjson是python的第三方模块库，可用于编码和解码JSON数据，包括了JSONLint的格式化及校验功能。

linux安装：

环境配置

在使用 Demjson 编码或解码 JSON 数据前，我们需要先安装 Demjson 模块。本教程我们会下载 Demjson 并安装：

$ tar -xvzf demjson-2.2.3.tar.gz
$ cd demjson-2.2.3
$ python setup.py install

更多安装介绍查看：http://deron.meranda.us/python/demjson/install

JSON函数

函数	描述
encode	将python对象编码成JSON字符串
decode	将一遍吗的JSON字符串解码为Python对象

Encode语法：

demjson.encode(self, obj, nest_level=0)
实例：
以下实例将数组编码为 JSON 格式数据：

#!/usr/bin/python
import demjson

data = [ { 'a' : 1, 'b' : 2, 'c' : 3, 'd' : 4, 'e' : 5 } ]

json = demjson.encode(data)
print json

执行结果为：  [{"a":1,"b":2,"c":3,"d":4,"e":5}]

Decode：解码 JSON 数据。该函数返回 Python 字段的数据类型。

语法：

demjson.decode(self, txt)
示例：

import demjson

json = '{"a":1,"b":2,"c":3,"d":4,"e":5}';

text = demjson.decode(json)
print  text

　　执行结果为：    {u'a': 1, u'c': 3, u'b': 2, u'e': 5, u'd': 4}

导入数据

• pd.read_csv(filename)：从CSV文件导入数据
• pd.read_table(filename)：从限定分隔符的文本文件导入数据
• pd.read_excel(filename)：从Excel文件导入数据
• pd.read_sql(query, connection_object)：从SQL表/库导入数据
• pd.read_json(json_string)：从JSON格式的字符串导入数据
• pd.read_html(url)：解析URL、字符串或者HTML文件，抽取其中的tables表格
• pd.read_clipboard()：从你的粘贴板获取内容，并传给read_table()
• pd.DataFrame(dict)：从字典对象导入数据，Key是列名，Value是数据

导出数据

• df.to_csv(filename)：导出数据到CSV文件
• df.to_excel(filename)：导出数据到Excel文件
• df.to_sql(table_name, connection_object)：导出数据到SQL表
• df.to_json(filename)：以Json格式导出数据到文本文件

创建测试对象

• pd.DataFrame(np.random.rand(20,5))：创建20行5列的随机数组成的DataFrame对象
• pd.Series(my_list)：从可迭代对象my_list创建一个Series对象
• df.index = pd.date_range('1900/1/30', periods=df.shape[0])：增加一个日期索引

查看、检查数据

• df.head(n)：查看DataFrame对象的前n行
• df.tail(n)：查看DataFrame对象的最后n行
• df.shape()：查看行数和列数
• ：查看索引、数据类型和内存信息
• df.describe()：查看数值型列的汇总统计
• s.value_counts(dropna=False)：查看Series对象的唯一值和计数
• df.apply(pd.Series.value_counts)：查看DataFrame对象中每一列的唯一值和计数

数据选取

• df[col]：根据列名，并以Series的形式返回列
• df[[col1, col2]]：以DataFrame形式返回多列
• s.iloc[0]：按位置选取数据
• s.loc['index_one']：按索引选取数据
• df.iloc[0,:]：返回第一行
• df.iloc[0,0]：返回第一列的第一个元素

数据清理

• df.columns = ['a','b','c']：重命名列名
• pd.isnull()：检查DataFrame对象中的空值，并返回一个Boolean数组
• pd.notnull()：检查DataFrame对象中的非空值，并返回一个Boolean数组
• df.dropna()：删除所有包含空值的行
• df.dropna(axis=1)：删除所有包含空值的列
• df.dropna(axis=1,thresh=n)：删除所有小于n个非空值的行
• df.fillna(x)：用x替换DataFrame对象中所有的空值
• s.astype(float)：将Series中的数据类型更改为float类型
• s.replace(1,'one')：用‘one’代替所有等于1的值
• s.replace([1,3],['one','three'])：用'one'代替1，用'three'代替3
• df.rename(columns=lambda x: x + 1)：批量更改列名
• df.rename(columns={'old_name': 'new_ name'})：选择性更改列名
• df.set_index('column_one')：更改索引列
• df.rename(index=lambda x: x + 1)：批量重命名索引

数据处理：Filter、Sort和GroupBy

• df[df[col] > 0.5]：选择col列的值大于0.5的行
• df.sort_values(col1)：按照列col1排序数据，默认升序排列
• df.sort_values(col2, ascending=False)：按照列col1降序排列数据
• df.sort_values([col1,col2], ascending=[True,False])：先按列col1升序排列，后按col2降序排列数据
• df.groupby(col)：返回一个按列col进行分组的Groupby对象
• df.groupby([col1,col2])：返回一个按多列进行分组的Groupby对象
• df.groupby(col1)[col2]：返回按列col1进行分组后，列col2的均值
• df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)：创建一个按列col1进行分组，并计算col2和col3的最大值的数据透视表
• df.groupby(col1).agg(np.mean)：返回按列col1分组的所有列的均值
• data.apply(np.mean)：对DataFrame中的每一列应用函数np.mean
• data.apply(np.max,axis=1)：对DataFrame中的每一行应用函数np.max

数据合并

• df1.append(df2)：将df2中的行添加到df1的尾部
• df.concat([df1, df2],axis=1)：将df2中的列添加到df1的尾部
• df1.join(df2,on=col1,how='inner')：对df1的列和df2的列执行SQL形式的join

数据统计

• df.describe()：查看数据值列的汇总统计
• df.mean()：返回所有列的均值
• df.corr()：返回列与列之间的相关系数
• df.count()：返回每一列中的非空值的个数
• df.max()：返回每一列的最大值
• df.min()：返回每一列的最小值
• df.median()：返回每一列的中位数

• df.std()：返回每一列的标准差