python 读取txt,json和hdf5文件的实例
2019/7/15 0:41:18
本文主要是介绍python 读取txt,json和hdf5文件的实例,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
一.python读取txt文件
最简单的open函数:
# -*- coding: utf-8 -*- with open("test.txt","r",encoding="gbk",errors='ignore') as f: print(f.read())
这里用open函数读取了一个txt文件,”encoding”表明了读取格式是“gbk”,还可以忽略错误编码。
另外,使用with语句操作文件IO是个好习惯,省去了每次打开都要close()。
二.python读取json文件
简单的test.json文件如下:
{ "glossary": { "title": "example glossary", "GlossDiv": { "title": "S", "GlossList": { "GlossEntry": { "ID": "SGML", "SortAs": "SGML", "GlossTerm": "Standard Generalized Markup Language", "Acronym": "SGML", "Abbrev": "ISO 8879:1986", "GlossDef": { "para": "A meta-markup language, used to create markup languages such as DocBook.", "GlossSeeAlso": ["GML", "XML"] }, "GlossSee": "markup" } } } } }
这里需要用python的json模块处理解析:
import json data = json.load(open('example.json')) print(type(data)) print(data)
打印如下:
<class 'dict'> {'glossary': {'title': 'example glossary', 'GlossDiv': {'title': 'S', 'GlossList': {'GlossEntry': {'ID': 'SGML', 'SortAs': 'SGML', 'GlossTerm': 'Standard Generalized Markup Language', 'Acronym': 'SGML', 'Abbrev': 'ISO 8879:1986', 'GlossDef': {'para': 'A meta-markup language, used to create markup languages such as DocBook.', 'GlossSeeAlso': ['GML', 'XML']}, 'GlossSee': 'markup'}}}}}
可见json.load()函数返回值是dict,json数据现在就成了一个网状的Python字典。
接下来我们就可以用标准的键检索来进行解读,比如:
print(data['glossary']['GlossDiv']['GlossList'])
打印结果如下:
{'GlossEntry': {'ID': 'SGML', 'SortAs': 'SGML', 'GlossTerm': 'Standard Generalized Markup Language', 'Acronym': 'SGML', 'Abbrev': 'ISO 8879:1986', 'GlossDef': {'para': 'A meta-markup language, used to create markup languages such as DocBook.', 'GlossSeeAlso': ['GML', 'XML']}, 'GlossSee': 'markup'}}
三.python 读取HFD5文件
HDF5 是一种层次化的格式(hierarchical format),经常用于存储复杂的科学数据。例如 MATLAB 就是用这个格式来存储数据。在存储带有关联的元数据(metadata)的复杂层次化数据的时候,这个格式非常有用,例如计算机模拟实验的运算结果等等。
与HDF5 相关的主要概念有以下几个:
文件 file: 层次化数据的容器,相当于树根('root' for tree)
组 group: 树的一个节点(node for a tree)
数据集 dataset: 数值数据的数组,可以非常非常大
属性 attribute: 提供额外信息的小块的元数据
# -*- coding: utf-8 -*- #创建hdf5文件 import datetime import os import h5py import numpy as np imgData = np.zeros((30,3,128,256)) if not os.path.exists('test.hdf5'): with h5py.File('test.hdf5') as f: f['data'] = imgData #将数据写入文件的主键data下面 f['labels'] = range(100)
创建完成之后读取:
import datetime import os import h5py import numpy as np with h5py.File('test.hdf5') as f: print(f) print(f.keys)
除了上述方法,pandas还提供一个直接读取h5文件的函数:
pd.HDFStore import datetime import os import h5py import numpy as np import pandas as pd data = pd.HDFStore("dataset_log.h5") print(type(data))
打印结果为:
<class 'pandas.io.pytables.HDFStore'> Closing remaining open files:dataset_log.h5...done
以上这篇python 读取txt,json和hdf5文件的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持找一找教程网。
这篇关于python 读取txt,json和hdf5文件的实例的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-05-08有遇到过吗?同样的规则 Excel 中 比Python 结果大
- 2024-03-30开始python成长之路
- 2024-03-29python optparse
- 2024-03-29python map 函数
- 2024-03-20invalid format specifier python
- 2024-03-18pool.map python
- 2024-03-18threads in python
- 2024-03-14python Ai 应用开发基础训练,字符串,字典,文件
- 2024-03-13id3 algorithm python
- 2024-03-13sum array elements python