利用Python3读写常用文件中的数据

---

专业需要，平时需要处理比较多的数据文件，仅根据平时处理的比较多的文件类型给出解决方案，不是最好的处理方法，仅个人偏好。

---

1. open()函数

文件读取

---

假设我们导入的是逗号分隔的CSV文件或者Tab分隔的TXT文件，我们需要遍历这张表中的每个元素做处理

fh = open("path_name", "r", encoding = "gb18030", errors = "ignore") # path_name是文件路径
for line in fh:  # 按行读取，每行作为字符串被读取
    line = line.strip('\n') # 去掉每行的换行符
    line = line.split(',') # TXT文件则改为'\t'，这一行的元素将会被保存为列表
    ....... # 一系列操作
fh.close() # 有open就一定要有close

---

文件写入

---

以写入CSV文件为例，比方说按行写入一个表格

fh = open("path_name", "w", encoding = "gb18030", errors = "ignore") # 读是r写是w
while ... : # 循环写入，省略号表示循环条件
    fh.write("xxx" + "," + "xxx" + ",")
    fh.write("xxx" + "\n")
    fh.writeline("xxx" + "," + "xxx" + "," + "xxx") # 条件允许的情况下用writeline()函数，不用加"\n"
fh.close()

---

2. DataFrame

	column1	column2	column3	…
index1	value11	value12	value13	…
index2	value21	value22	value23	…
index3	value31	value32	value33	…
…	…	…	…	…

对形如上表的CSV文件Excel文件等可以用DataFrame来解决，这里以Excel为例。

文件读取

---

import pandas as pd # 导入pandas模块

df = pd.read_excel("path_name")
data = df.values # value对应的object，如果全是数值则为numpy.ndarray
index = list(df.index) # 这里注意df.index不是列表，需要手动转换
columns = list(df.columns)

文件写入

---

df = pd.DataFrame(data, index = index, columns = columns)
df.to_excel("path_name")