Python文件读写

操作文件和目录

os 模块提供了非常丰富的方法用来处理文件和目录。

os

Python3 OS 文件/目录方法

os.sep

• os.sep根据所处的平台，自动采用相应的分隔符号。（在Windows上，文件的路径分隔符是’\’，在Linux上是’/’。）

import os
path = 'data' + os.sep + 'LogiReg_data.txt'

'data\\LogiReg_data.txt'

data_dir = os.sep.join(['hello', 'world'])  
 
'hello\\world'

os.listdir(path)

• os.listdir() 方法用于返回指定的文件夹包含的文件或文件夹的名字的列表。这个列表以字母顺序。 它不包括 ‘.’ 和’…’ 即使它在文件夹中。只支持在 Unix, Windows 下使用。
• 返回list（所有文件和文件夹名）。

import os
path='E:/workspace/AI'
dirs=os.listdir(path)

文件读取

open()

Python3 输入和输出

open() 将会返回一个文件（file） 对象，基本语法格式如下：open(filename, mode)

• mode：决定了打开文件的模式：只读（r），写入（w），追加（a）等。这个参数是非强制的，默认文件访问模式为只读®。

文件对象的方法

• f.read(size)：将读取一定数目的数据, 然后作为字符串或字节对象返回。size 是一个可选的数字类型的参数：当 size 被忽略了或者为负, 那么该文件的所有内容都将被读取并且返回。
• f.readline()：会从文件中读取单独的一行。换行符为 ‘\n’。f.readline() 如果返回一个空字符串, 说明已经已经读取到最后一行。
• f.readlines()：返回该文件中包含的所有行。

with open('/path/to/file', 'r') as f:
    print(f.read())

Pandas

pandas.read_csv()

读入以逗号为分隔符的数据文件，并以DataFrame类型返回。

pdData = pd.read_csv(path, header=None, names=['Exam 1', 'Exam 2', 'Admitted'])

Args:

• filepath_or_buffer：str, path object or file-like object
  可以是任何有效的string路径，string可以是URL，有效的URL方案包括http,ftp,s3,file。
• sep：str, default ‘,’
  若sep=None，则Python会自动检测分隔符。
• delimiterstr：, default None
  定界符，备选分隔符（如果指定该参数，则sep参数失效）。
• header：int, list of int, default ‘infer’
  指定行数用来作为列名，数据开始行数。
  header=0，指定第一行为列名；header=None，通过Names指定列名。
  header参数可以是一个list例如：[0,1,3]，这个list表示将文件中的这些行作为列标题（意味着每一列有多个标题），介于中间的行将被忽略掉（例如本例中的2；本例中的数据1,2,4行将被作为多级标题出现，第3行数据将被丢弃，dataframe的数据从第5行开始。）。
  注意：如果skip_blank_lines=True 那么header参数忽略注释行和空行，所以header=0表示第一行数据而不是文件的第一行。
• name：sarray-like, optional
  用于结果的列名列表，如果数据文件中没有列标题行，就需要执行header=None。默认列表中不能出现重复，除非设定参数mangle_dupe_cols=True。
• index_col : int or sequence or False, default None
  用作行索引的列编号或者列名，如果给定一个序列则有多个行索引。
  如果文件不规则，行尾有分隔符，则可以设定index_col=False 来是的pandas不适用第一列作为行索引。
• mangle_dupe_cols : boolean, default True
  重复的列，将‘X’…’X’表示为‘X.0’…’X.N’。如果设定为false则会将所有重名列覆盖。
• dtype : Type name or dict of column -> type, default None
  每列数据的数据类型。例如 {‘a’: np.float64, ‘b’: np.int32}
• skip_blank_lines boolean, default True
  如果为True，则跳过空行；否则记为NaN。
• skiprows：跳过的行。eg:skiprows=1；skiprows=[1,2,4];skiprows=range(1,10)

read_csv官方文档

文件写入

open()

• f.write(string) ：将 string 写入到文件中, 然后返回写入的字符数。如果要写入一些不是字符串的东西, 那么将需要先进行转换。

with open('/path/to/file', 'w') as f:
	num = f.write( "Python 是一个非常好的语言。\n是的，的确非常好!!\n" )
	print(num)

Pandas

import pandas as pd
d={'Year':[2018,2019,2020],'Month':[3,7,9]}
df=pd.DataFrame(d)
df.to_csv('E:\\worplace\\save.csv',sep=',',index=False,header=True)