对于结构化的、探索性数据统计和分析场景，使用pandas方法进行读取，因为其提供了数据框，对数据进行任意翻转、切片、关联都很方便。file_object = open("test.py",'r') #创建一个文件对象，也是一个可迭代对象。结构化、纯数值型的数据，并且主要用于矩阵计算、数据建模的，使用Numpy的loadtxt更方便。操作文件的第一步就是得打开要操作的文件，然后进行读取文件，最后关闭文件。可使用remove()删除文件，为避免不存在该文件，可检查文件是否存在，然后再删除它。
Python在处理数据方面是十分便利的，下面是不同场景较与推荐的数据读取方法：
1、文件的打开方式
操作文件的第一步就是得打开要操作的文件，然后进行读取文件，最后关闭文件。两种书写方式：
1.需要使用close()方法关闭文件
示例如下：
#文件的读取
import os
#以相对路径打开文件
f= open("./test.txt",encoding='utf-8')
#以绝对路径打开文件
#f= open("D:\\Anacond/work/learn数据清洗/文件读取及其处理/test.txt",encoding='utf-8')
#读取文件
content=f.read()
#关闭文件
f.close()
2.with语句能自动处理上下文环境产生的异常并且自动关闭文件句柄，无需写close
示例如下：
import os
#打开文件
with open('./test.txt', encoding='utf-8') as f2:
#读取文件
contents = f2.read()
print(contents)
2、文件的读取/写入
2、python内置方法（read、readline、readlines）
适用于所有文本类信息的处理，纯文本格式数据。
最低0.47元/天 解锁文章
1151
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
