SHYLearn_python
6 错误异常与文件读写
6.1 错误异常捕捉
6.1.1 异常语句结构
try:
pass
except(ZeroDivisionError, ValueError):
print('错误')
except:
print('其它异常’)
except Exception as e: # 捕捉未知异常
print(e)
else:
pass # 没有异常发生时执行
finally:
pass # 最终处理语句,无论是否有异常,都要执行这个语句
6.1.2 异常类型
# 异常名称 异常解释
AttributeError 试图访问一个对象没有的树形,比如foo.x,但是foo没有属性x
IOError 输入/输出异常;基本上是无法打开文件
ImportError 无法引入模块或包;基本上是路径问题或名称错误
IndentationError 语法错误(的子类) ;代码没有正确对齐
IndexError 下标索引超出序列边界,比如当x只有三个元素,却试图访问x[5]
KeyError 试图访问字典里不存在的键
KeyboardInterrupt Ctrl+C被按下
NameError 使用一个还未被赋予对象的变量
SyntaxError Python代码非法,代码不能编译(个人认为这是语法错误,写错了)
TypeError 传入对象类型与要求的不符合
UnboundLocalError
试图访问一个还未被设置的局部变量,基本上是由于另有一个同名的全局变量,导致你以为正在访问它
ValueError 传入一个调用者不期望的值,即使值的类型是正确
BaseException 所有异常的基类
SystemExit 解释器请求退出
KeyboardInterrupt 用户中断执行(通常是输入^C)
Exception 常规错误的基类
StopIteration 迭代器没有更多的值
GeneratorExit 生成器(generator)发生异常来通知退出
StandardError 所有的内建标准异常的基类
ArithmeticError 所有数值计算错误的基类
FloatingPointError 浮点计算错误
OverflowError 数值运算超出最大限制
ZeroDivisionError 除(或取模)零 (所有数据类型)
AssertionError 断言语句失败
AttributeError 对象没有这个属性
EOFError 没有内建输入,到达EOF 标记
EnvironmentError 操作系统错误的基类
IOError 输入/输出操作失败
OSError 操作系统错误
WindowsError 系统调用失败
ImportError 导入模块/对象失败
LookupError 无效数据查询的基类
IndexError 序列中没有此索引(index)
KeyError 映射中没有这个键
MemoryError 内存溢出错误(对于Python 解释器不是致命的)
NameError 未声明/初始化对象 (没有属性)
UnboundLocalError 访问未初始化的本地变量
ReferenceError 弱引用(Weak reference)试图访问已经垃圾回收了的对象
RuntimeError 一般的运行时错误
NotImplementedError 尚未实现的方法
SyntaxError Python 语法错误
IndentationError 缩进错误
TabError Tab 和空格混用
SystemError 一般的解释器系统错误
TypeError 对类型无效的操作
ValueError 传入无效的参数
UnicodeError Unicode 相关的错误
UnicodeDecodeError Unicode 解码时的错误
UnicodeEncodeError Unicode 编码时错误
UnicodeTranslateError Unicode 转换时错误
Warning 警告的基类
DeprecationWarning 关于被弃用的特征的警告
FutureWarning 关于构造将来语义会有改变的警告
OverflowWarning 旧的关于自动提升为长整型(long)的警告
PendingDeprecationWarning 关于特性将会被废弃的警告
RuntimeWarning 可疑的运行时行为(runtime behavior)的警告
SyntaxWarning 可疑的语法的警告
UserWarning 用户代码生成的警告
6.2 文件读写与导入
6.2.1 语句结构
f = open('new/test.txt','a+',encoding='utf-8')
f.write('\n今天天气很好')
f.close()
f = open('new/test.txt','rb')
w=f.read().decode('utf-8')
print(w)
f = open('workfile', 'w')
with open('workfile') as f:
read_data = f.read()
f.close()
文件常见的读写模式
w 以写方式打开,
W 文件若存在,首先要清空,然后(重新)创建
a 以追加模式打开 (从 EOF 开始, 必要时创建新文件)
r+ 以读写模式打开
w+ 以读写模式打开 (参见 w )
a+ 以读写模式打开 (参见 a )
rb 以二进制读模式打开
wb 以二进制写模式打开 (参见 w )
ab 以二进制追加模式打开 (参见 a )
rb+ 以二进制读写模式打开 (参见 r+ )
wb+ 以二进制读写模式打开 (参见 w+ )
ab+ 以二进制读写模式打开 (参见 a+ )
6.2.1 文件读写方法
f.read()
f.read(size)
f.readline() # 读取一行
f.readlines() # 读取所有行,每一行存储为列表的每一个元素
for line in f:
print(line, end='')
>>> f.write('This is a test\n')
15
f.tell() # 返回一个整数,给出文件对象在文件中的当前位置,表示为二进制模式下时从文件开始的字节数,以及文本模式下的不透明数字。
# 要改变文件对象的位置,请使用 f.seek(offset, whence)。 通过向一个参考点添加 offset 来计算位置;
# 参考点由 whence 参数指定。
# whence 的 0 值表示从文件开头起算,1 表示使用当前文件位置,2 表示使用文件末尾作为参考点。
# whence 如果省略则默认值为 0,即使用文件开头作为参考点。
>>>
>>> f = open('workfile', 'rb+')
>>> f.write(b'0123456789abcdef')
16
>>> f.seek(5) # Go to the 6th byte in the file
5
>>> f.read(1)
b'5'
>>> f.seek(-3, 2) # Go to the 3rd byte before the end
13
>>> f.read(1)
b'd'
6.3 常见文件类型的读取方式
- csv文件
with open('C:/users/lenovo/desktop/student_score.csv','r') as f:
for line in f.readlines(): #逐行读取
print(line)
# 更加高效的是使用panda读取数据,存为一个矩阵的形式
import panda as pd
data = pd.read_csv(sys.argv[1])
- txt文件
with open('my_file.txt') as f:
for line in f: #逐行读取
print(line.strip()) #使用strip删除空格和空行,否则会有\n在最后
# 更加高效的是使用numpy读取数据,转化一个数组
import numpy as np
dataset = np.loadtxt('路径')
dataset.shape( ) # 查看数组维度
newset = reshape(dataset, (100,3)) # 转化为100行 3列的数组
- excle文件
import numpy as np
import xlrd #使用库函数
workbook = xlrd.open_workbook('C:/users/lenovo/desktop/student_score.xlsx') #读取路径
sheet = workbook.sheet_by_name('Sheet1') #读取excel中的第一个sheet
data_name = sheet.col_values(0) #按列读取,读取第一列
#data_name1 = sheet.row_values(0) #按行读取,读取第一行
data_st_ID = sheet.col_values(1)
data_st_score = sheet.col_values(2)
# 更加高效的是使用panda读取数据
import pandas as pd
test_df = pd.read_excel(r'G:\test.xlsx')
- mat文件
import numpy as np
import os
os.chdir(r'F:/data')
import scipy.io as scio
data = scio.loadmat('97.mat')
print(data)
de = data['X097_DE_time']
读取的结果是一个字典
or
from mat4py import loadmat
import numpy as np
data = np.array(loadmat('test.mat')['dictKey']).astype('float')
6.3 使用json保存结构化数据
>>> import json
>>> json.dumps([1, 'simple', 'list'])
'[1, "simple", "list"]'
6.3.1 将数据保存为json文件
model={} #数据
with open("./hmm.json",'w',encoding='utf-8') as json_file:
json.dump(model,json_file,ensure_ascii=False)
6.3.2 从json文件读取数据
model={} #存放读取的数据
with open("./hmm.json",'r',encoding='utf-8') as json_file:
model=json.load(json_file)
读取返回的为python字典
or
import json
str_file = './960x540/config.json'
with open(str_file, 'r') as f:
print("Load str file from {}".format(str_file))
r = json.load(f)
print(type(r))
print(r)
print(r['under_game_score_y'])
7. python标准库
![](https://img.vim-cn.com/47/19c6e06be5f16f01de1a5d1ef6733fd9129648.png)
也可以查看标准库文档
https://docs.python.org/zh-cn/3/tutorial/index.html
https://docs.python.org/zh-cn/3/library/index.html