python批量读取文件内容_基于python批量处理dat文件及科学计算的方法

这篇文章主要介绍了关于基于python批量处理dat文件及科学计算的方法，有着一定的参考价值，现在分享给大家，有需要的朋友可以参考一下

摘要：主要介绍一些python的文件读取功能，文件内容修改，文件名后缀更改等操作。

批处理文件功能

import os

path1 = 'C:\\Users\\awake_ljw\\Documents\\python for data analysis\\test1'

path2 = 'C:\\Users\\awake_ljw\\Documents\\python for data analysis\\test2'

filelist = os.listdir(path1)

for files in filelist:

Olddir = os.path.join(path1,files)

filename = os.path.splitext(files)[0]

filetype = os.path.splitext(files)[1]

print Olddir

file_test = open(Olddir,'r')

Newdir = os.path.join(path2,str(filename)+'.csv')

print Newdir

file_test2 = open(Newdir,'w')

for lines in file_test.readlines():

strdata = ",".join(lines.split('\t'))

file_test2.write(strdata)

file_test.close()

file_test2.close()

os模块是python最基础的模块之一，一般用于文件处理等操作。上面这段代码主要就是将dat文件转化为csv文件，同时保证csv可读。一般txt文件不能通过直接改后缀改变呈csv文件格式，一般会造成文件不可读。csv文件一般通过逗号分隔文本，数据处理起来较得心应手，可以直接改后缀得到xlsx文件，一般excel也可读。

科学计算

matlab作为一门科学计算编程语言，在科学计算的应用实在广泛，包括webread等强大的函数用起来十分顺手，但matlab是商业软件，并不免费。其实，python在科学计算效率或函数库功能包括其绘图功能、图像处理都很强大，(相比matlab，python的调色板更出色)。以下列举一些数据文件读取，绘图的一些基本操作作为参考。

数据提取及绘图

#数据提取

import os

import pandas as pd

import numpy as np

number = -1;

sudu=np.zeros(5247*5,dtype=float).reshape(5247,5)

for files in filelist1:

number +=1

data = pd.read_csv(str(number+1)+'a.csv')

sudu[:,number]=data['velocity']

x = data['x']

y = data['y']

a = sudu[0:5184,0].reshape(81,64)

%matplotlib inline

import matplotlib.pyplot as plt

extent = [np.min(x),np.max(x),np.min(y),np.max(y)]

plt.subplot(231)

u0 = sudu[0:5184,0].reshape(81,64)

plt.imshow(u0,extent=extent,origin='lower')

plt.subplot(232)

u1 = sudu[0:5184,1].reshape(81,64)

plt.imshow(u1,extent=extent,origin='lower')

plt.subplot(233)

u2 = sudu[0:5184,2].reshape(81,64)

plt.imshow(u2,extent=extent,origin='lower')

plt.subplot(234)

u3 = sudu[0:5184,3].reshape(81,64)

plt.imshow(u3,extent=extent,origin='lower')

#plt.axis("equal")

plt.subplot(235)

u4 = sudu[0:5184,4].reshape(81,64)

plt.imshow(u4,extent=extent,origin='lower')

plt.subplot(236)

u5 = sudu[0:5184,4].reshape(81,64)

plt.imshow(u5,extent=extent,origin='lower')

#contour

cs = plt.contour(u5, 20,extent = extent)

plt.xlim(-0.8,0.8)

plt.ylim(0.6,2.2)

plt.axis('equal')

python的科学计算功能与matlab及其相似，python有几点不同在于

1.python有元组的数据类型，元组不同于列表，元组不可更改

2.python的数据检索使用[]

总而言之，python的数据形式及其丰富。

numpy以及pandas是python用于数据处理的两个库，具体使用方法主要推荐python科学计算这本书。matplotlib用于绘图，刚也说了，其调色板很厉害哦，图像质量不错。

预告：代码运行环境均为jupyter notebook，简直神器一般的存在，网上搭建的资料也太多。

相关推荐：

Python实现的求解最小公倍数算法示例

以上就是基于python批量处理dat文件及科学计算的方法的详细内容，更多请关注Gxl网其它相关文章！

本条技术文章来源于互联网，如果无意侵犯您的权益请点击此处反馈版权投诉

本文系统来源：php中文网