从文本文件读取数据
法一:
使用read、readline、readlines读取数据
- read([size]):从文件读取指定的字节数。如果未给定或为负值,则去取全部。返回数据类型为字符串(将所有行合并为一个字符串)。
- readline([size]):从文件读取整行,包括‘\n’字符。如果给定的是一个负数或未给定则读取整行,给定的是一个正数,则返回指定大小的字节数。返回数据类型为字符串。
- readlines([size]):从文件读取所用行,并返回列表。如果给定的是正数则读取一行,负数或未给定则读取整个文件。返回数据类型为列表(每行内容作为列表中的一个对象)。
size | 负数 | 未给定 | 正数 |
read | 读取全部 | 读取全部 | size字节数 |
readline | 1整行 | 1整行 | size字节数 |
readlines | 读取全部 | 读取全部 | 1整行 |
例:
1 file_name=open(r'E:\data analysis\test\test11.txt') 2 data=file_name.read() 3 print('data\n',data) 4 print('data',type(data)) 5 6 file_name.seek(0) 7 data_line=file_name.readline() 8 print('data_line\n',data_line) 9 print('data_line',type(data_line))10 11 file_name.seek(0)12 data_lines=file_name.readlines()13 print('data_lines\n',data_lines)14 print('data_lines',type(data_lines))
data ID var_1 var_2 var_3 var_4 var_57105262421 2 3 1 1.1 1.1.15535530756 2 3 1 1.1 1.1.19510454424 2 2 1 1.1 1.1.1226526052 2 2 1 1.1 1.1.15706199107 2 2 07417958869 2 4 1 1.1 1.1.1541746997 2 4 09309835887 2 4 1 1.1 1.1.16396162852 2 4 1 1.1 1.1.18865288990 2 4 1 1.1 1.1.1487152048 2 4 02279987653 2 4 0datadata_line ID var_1 var_2 var_3 var_4 var_5data_line data_lines ['ID\tvar_1\tvar_2\tvar_3\tvar_4\tvar_5\n', '7105262421\t2\t3\t1\t1.1\t1.1.1\n', '5535530756\t2\t3\t1\t1.1\t1.1.1\n', '9510454424\t2\t2\t1\t1.1\t1.1.1\n', '226526052\t2\t2\t1\t1.1\t1.1.1\n', '5706199107\t2\t2\t\t\t0\n', '7417958869\t2\t4\t1\t1.1\t1.1.1\n', '541746997\t2\t4\t\t\t0\n', '9309835887\t2\t4\t1\t1.1\t1.1.1\n', '6396162852\t2\t4\t1\t1.1\t1.1.1\n', '8865288990\t2\t4\t1\t1.1\t1.1.1\n', '487152048\t2\t4\t\t\t0\n', '2279987653\t2\t4\t\t\t0\n']data_lines
使用readlines返回的是每行数据做为一个对象的列表,可将数据进行转换以满足后续的处理。
1 import re 2 import numpy as np 3 x0=[];x1=[];x2=[];x3=[];x4=[];x5=[] 4 for data_s in data_lines: 5 s=re.split('\t|\n',data_s) 6 x0.append(s[0]) 7 x1.append(s[1]) 8 x2.append(s[2]) 9 x3.append(s[3])10 x4.append(s[4])11 x5.append(s[5])12 x0=np.array(x0).reshape(13,1)13 x1=np.array(x1).reshape(13,1)14 x2=np.array(x2).reshape(13,1)15 x3=np.array(x3).reshape(13,1)16 x4=np.array(x4).reshape(13,1)17 x5=np.array(x5).reshape(13,1)
法二:
使用pandas 的read_csv、read_table、read_fwf、read_excel读取数据
read_csv/read_table/read_fwf/read_excel的部分参数:
- path:表示位置的字符串。
- sep:分隔符,默认为','。
- header:用作列名的行号,默认为0(第一行),如果没有header行,需设置header=None。
- index_col:用作行索引的列编号或列名,可以是单个名称或数组,也可是由多个名称或数组组成的列表。
- names:用于结果的列名列表,结合header=None使用。
- skiprows:要忽略的行数(从文件开始处算起),或需要跳过(即不忽略)的行号列表(从0开始)。
- na_value:规定什么样的值是NA 值。
- nrows:需要读取的行数。
- thousand:千位符符号,如‘,’或‘.’。
- decimal:小数点符号,默认为‘.’。
1 import pandas as pd2 data_csv=pd.read_csv(r'E:\data analysis\test\test1.csv')3 print(data_csv)
ID var_1 var_2 var_3 var_4 var_50 7105262421 2 3 1.0 1.1 1.1.11 5535530756 2 3 1.0 1.1 1.1.12 9510454424 2 2 1.0 1.1 1.1.13 226526052 2 2 1.0 1.1 1.1.14 5706199107 2 2 NaN NaN 05 7417958869 2 4 1.0 1.1 1.1.16 541746997 2 4 NaN NaN 07 9309835887 2 4 1.0 1.1 1.1.18 6396162852 2 4 1.0 1.1 1.1.19 8865288990 2 4 1.0 1.1 1.1.110 487152048 2 4 NaN NaN 011 2279987653 2 4 NaN NaN 0
1 import pandas as pd2 data_txt=pd.read_csv(r'E:\data analysis\test\test11.txt',sep='\s+')3 print(data_txt)
ID var_1 var_2 var_3 var_4 var_50 7105262421 2 3 1 1.1 1.1.11 5535530756 2 3 1 1.1 1.1.12 9510454424 2 2 1 1.1 1.1.13 226526052 2 2 1 1.1 1.1.14 5706199107 2 2 0 NaN NaN5 7417958869 2 4 1 1.1 1.1.16 541746997 2 4 0 NaN NaN7 9309835887 2 4 1 1.1 1.1.18 6396162852 2 4 1 1.1 1.1.19 8865288990 2 4 1 1.1 1.1.110 487152048 2 4 0 NaN NaN11 2279987653 2 4 0 NaN NaN
1 import pandas as pd2 data_table=pd.read_table(r'E:\data analysis\test\test1.csv',sep=',',skiprows=[1,3,5,7,9,11],na_values={2:4}) #读取1,3,5,7,9,11行,第二列的中值4的元素为nan3 print(data_table)
ID var_1 var_2 var_3 var_4 var_50 5535530756 2 3.0 1.0 1.1 1.1.11 226526052 2 2.0 1.0 1.1 1.1.12 7417958869 2 NaN 1.0 1.1 1.1.13 9309835887 2 NaN 1.0 1.1 1.1.14 8865288990 2 NaN 1.0 1.1 1.1.15 2279987653 2 NaN NaN NaN 0
read_fwf读取表格或固定宽度格式的文本行到数据框:
1 import pandas as pd2 data_fwf=pd.read_fwf(r'E:\data analysis\test\test2.txt',widths=[6,6,6],names=['var1','var2','var3']) #widths:由整数组成的列表,表示每列的宽度3 print(data_fwf)
var1 var2 var30 1a2b3c 4d5e6f 7g8h9i1 1a2b3c 4d5e6f 7g8h9i2 1a2b3c 4d5e6f 7g8h9i3 1a2b3c 4d5e6f 7g8h9i4 1a2b3c 4d5e6f 7g8h9i5 1a2b3c 4d5e6f 7g8h9i
read_excel读取excel:
1 import pandas as pd2 data_exc=pd.read_excel(r'E:\data analysis\test\test1.xlsx',sheet_name='Sheet2',dtype={ 'ID':str,'var_1':float}) #sheet_name为表的名称,dtype用于更改列的数据类型 3 print(data_exc)
ID var_1 var_2 var_3 var_4 var_50 7105262421 2.0 3 1.0 1.1 1.1.11 5535530756 2.0 3 1.0 1.1 1.1.12 9510454424 2.0 2 1.0 1.1 1.1.13 226526052 2.0 2 1.0 1.1 1.1.14 5706199107 2.0 2 NaN NaN 05 7417958869 2.0 4 1.0 1.1 1.1.16 541746997 2.0 4 NaN NaN 07 9309835887 2.0 4 1.0 1.1 1.1.18 6396162852 2.0 4 1.0 1.1 1.1.19 8865288990 2.0 4 1.0 1.1 1.1.110 487152048 2.0 4 NaN NaN 011 2279987653 2.0 4 NaN NaN 0