在python中使用CSV、JSON、XML

目录

CSV

读CSV

写CSV

用pandas库来读写CSV

JSON

读写JSON（与字典配合使用）

格式转换

XML

---

python以其简明的风格和强大的库支持在大数据时代占得一席宝地。特别是在cv网格化大数据处理、音频、自然语言等领域，均有很多应用。基于python的深度学习发展正如火如荼。先掌握好如何在python中使用几大数据结构是打好基础的第一步。

CSV

CSV 文件是最常用的数据存储方法。大部分 Kaggle 比赛中的数据都存储在 CSV 文件中。Python 中有内置的 CSV 库来支持读写操作，通常情况下，我们会先将数据读入表中。

在下面的代码中，当调用 csv.reader（）函数时，可以访问所有的 CSV 数据。而 csvreader.next（）函数的功能是从 CSV 中读取一行，当多次连续调用时，会自动读取下一行。也可以使用 for 循环遍历 csv 的每一行，同样用  csv.reader（）函数读取每一行。这里需要注意，要确保每行中的列数相同，否则，在处理时，可能会遇到错误。

读CSV

import csv 
  
filename = "my_data.csv"
  
fields = [] 
rows = [] 
  
# Reading csv file 
with open(filename, 'r') as csvfile: 
    # Creating a csv reader object 
    csvreader = csv.reader(csvfile) 
      
    # Extracting field names in the first row 
    fields = csvreader.next() 
  
    # Extracting each data row one by one 
    for row in csvreader: 
        rows.append(row)
  
# Printing out the first 5 rows 
for row in rows[:5]: 
    print(row)

写CSV

同样，用 Python 写入 CSV 文件也很容易。先在单个列表中设置字段名称，并在列表中写入数据。这次创建一个 writer（）对象，使用这个方法将数据写入文件，与读取 CSV 数据的方式非常相似。