歡迎來(lái)到我的博客，很高興能夠在這里和您見(jiàn)面！歡迎訂閱相關(guān)專(zhuān)欄：
工💗重💗hao💗：野老雜談
?? 全網(wǎng)最全I(xiàn)T互聯(lián)網(wǎng)公司面試寶典：收集整理全網(wǎng)各大IT互聯(lián)網(wǎng)公司技術(shù)、項(xiàng)目、HR面試真題.
?? AIGC時(shí)代的創(chuàng)新與未來(lái)：詳細(xì)講解AIGC的概念、核心技術(shù)、應(yīng)用領(lǐng)域等內(nèi)容。
?? 全流程數(shù)據(jù)技術(shù)實(shí)戰(zhàn)指南：全面講解從數(shù)據(jù)采集到數(shù)據(jù)可視化的整個(gè)過(guò)程，掌握構(gòu)建現(xiàn)代化數(shù)據(jù)平臺(tái)和數(shù)據(jù)倉(cāng)庫(kù)的核心技術(shù)和方法。
?? 構(gòu)建全面的數(shù)據(jù)指標(biāo)體系：通過(guò)深入的理論解析、詳細(xì)的實(shí)操步驟和豐富的案例分析，為讀者提供系統(tǒng)化的指導(dǎo)，幫助他們構(gòu)建和應(yīng)用數(shù)據(jù)指標(biāo)體系，提升數(shù)據(jù)驅(qū)動(dòng)的決策水平。
??《遇見(jiàn)Python：初識(shí)、了解與熱戀》 ：涵蓋了Python學(xué)習(xí)的基礎(chǔ)知識(shí)、進(jìn)階技巧和實(shí)際應(yīng)用案例，幫助讀者從零開(kāi)始逐步掌握Python的各個(gè)方面，并最終能夠進(jìn)行項(xiàng)目開(kāi)發(fā)和解決實(shí)際問(wèn)題。

摘要

在這篇文章中，我們將探索如何使用 Python 處理各種常見(jiàn)的文件格式。從 CSV、JSON 到 Excel 文件，我們將用生動(dòng)的故事和幽默的語(yǔ)言來(lái)講解如何讀取、寫(xiě)入和處理這些文件。通過(guò)實(shí)際的代碼示例和圖示，您將掌握處理這些文件格式的技能，并能在實(shí)際開(kāi)發(fā)中應(yīng)對(duì)不同的數(shù)據(jù)需求。

---

處理 CSV 文件

CSV（逗號(hào)分隔值）文件就像是數(shù)據(jù)界的瑞士軍刀——它們簡(jiǎn)單、通用，而且?guī)缀鯚o(wú)處不在。無(wú)論你是數(shù)據(jù)分析師、軟件開(kāi)發(fā)人員，還是 Excel 愛(ài)好者，你都會(huì)與 CSV 文件打交道。那么，如何用 Python 處理這些文件呢？讓我們一起來(lái)看看。

CSV 文件的基本操作

假設(shè)我們有一個(gè)名為 data.csv 的文件，它包含了一些學(xué)生的成績(jī)信息。文件內(nèi)容如下：

姓名,數(shù)學(xué),英語(yǔ),科學(xué)
張三,90,80,85
李四,70,60,75
王五,85,95,90

我們可以使用 Python 的 csv 模塊來(lái)讀取和寫(xiě)入 CSV 文件：

import csv# 讀取 CSV 文件
with open('data.csv', 'r') as file:reader = csv.reader(file)for row in reader:print(row)# 寫(xiě)入 CSV 文件
data = [['姓名', '數(shù)學(xué)', '英語(yǔ)', '科學(xué)'],['趙六', 88, 76, 92],['孫七', 95, 89, 85]
]with open('new_data.csv', 'w', newline='') as file:writer = csv.writer(file)writer.writerows(data)

這里，我們用 csv.reader 讀取文件，用 csv.writer 寫(xiě)入文件。很簡(jiǎn)單吧？就像用筆記本記錄數(shù)據(jù)一樣。

處理 JSON 文件

JSON（JavaScript 對(duì)象表示法）是一種輕量級(jí)的數(shù)據(jù)交換格式，適用于結(jié)構(gòu)化數(shù)據(jù)。你可以把 JSON 想象成是你家里的超級(jí)市場(chǎng)：整齊地排列著各種物品（數(shù)據(jù)），隨時(shí)可以拿來(lái)用。

JSON 文件的基本操作

假設(shè)我們有一個(gè)名為 data.json 的文件，內(nèi)容如下：

{"students": [{"name": "張三", "math": 90, "english": 80, "science": 85},{"name": "李四", "math": 70, "english": 60, "science": 75}]
}

我們可以使用 Python 的 json 模塊來(lái)讀取和寫(xiě)入 JSON 文件：

import json# 讀取 JSON 文件
with open('data.json', 'r') as file:data = json.load(file)print(data)# 寫(xiě)入 JSON 文件
new_data = {"students": [{"name": "王五", "math": 85, "english": 95, "science": 90},{"name": "趙六", "math": 88, "english": 76, "science": 92}]
}with open('new_data.json', 'w') as file:json.dump(new_data, file, indent=4)

通過(guò) json.load 讀取 JSON 文件，通過(guò) json.dump 寫(xiě)入 JSON 文件。JSON 格式的靈活性和可讀性使得它在數(shù)據(jù)交換中非常受歡迎。

處理 Excel 文件

Excel 文件是辦公室中最常見(jiàn)的數(shù)據(jù)存儲(chǔ)格式之一。如果 CSV 是數(shù)據(jù)界的瑞士軍刀，那么 Excel 文件就是它的多功能工具箱。使用 Python 處理 Excel 文件，我們可以依靠 pandas 和 openpyxl 等庫(kù)來(lái)輕松搞定。

Excel 文件的基本操作

假設(shè)我們有一個(gè)名為 data.xlsx 的文件，它包含了學(xué)生成績(jī)的信息。我們可以使用 pandas 庫(kù)來(lái)讀取和寫(xiě)入 Excel 文件：

import pandas as pd# 讀取 Excel 文件
df = pd.read_excel('data.xlsx')
print(df)# 寫(xiě)入 Excel 文件
new_data = {'姓名': ['王五', '趙六'],'數(shù)學(xué)': [85, 88],'英語(yǔ)': [95, 76],'科學(xué)': [90, 92]
}
df = pd.DataFrame(new_data)
df.to_excel('new_data.xlsx', index=False)

在這個(gè)例子中，我們用 pandas 的 read_excel 讀取文件，用 to_excel 寫(xiě)入文件。pandas 使數(shù)據(jù)操作變得簡(jiǎn)單又高效。

處理 XML 文件

XML（可擴(kuò)展標(biāo)記語(yǔ)言）是一種用于存儲(chǔ)和傳輸數(shù)據(jù)的格式。它就像一個(gè)復(fù)雜的文件夾結(jié)構(gòu)，可以存儲(chǔ)嵌套的、層次化的數(shù)據(jù)。

XML 文件的基本操作

假設(shè)我們有一個(gè)名為 data.xml 的文件，內(nèi)容如下：

<students><student><name>張三</name><math>90</math><english>80</english><science>85</science></student><student><name>李四</name><math>70</math><english>60</english><science>75</science></student>
</students>

我們可以使用 Python 的 xml.etree.ElementTree 模塊來(lái)讀取和寫(xiě)入 XML 文件：

import xml.etree.ElementTree as ET# 讀取 XML 文件
tree = ET.parse('data.xml')
root = tree.getroot()for student in root.findall('student'):name = student.find('name').textmath = student.find('math').textprint(f'姓名: {name}, 數(shù)學(xué): {math}')# 寫(xiě)入 XML 文件
students = ET.Element('students')student1 = ET.SubElement(students, 'student')
ET.SubElement(student1, 'name').text = '王五'
ET.SubElement(student1, 'math').text = '85'student2 = ET.SubElement(students, 'student')
ET.SubElement(student2, 'name').text = '趙六'
ET.SubElement(student2, 'math').text = '88'tree = ET.ElementTree(students)
tree.write('new_data.xml')

使用 xml.etree.ElementTree 可以輕松地解析和創(chuàng)建 XML 文件，讓我們能夠處理層次化的數(shù)據(jù)結(jié)構(gòu)。

處理其他文件格式（如 YAML 和 HDF5）

除了上述文件格式，還有一些其他常見(jiàn)的文件格式，如 YAML 和 HDF5。YAML（YAML 不是標(biāo)記語(yǔ)言）是一種易于讀寫(xiě)的數(shù)據(jù)序列化格式，而 HDF5（Hierarchical Data Format 5）是一種用于存儲(chǔ)和管理大規(guī)模數(shù)據(jù)的格式。

YAML 文件的基本操作

使用 pyyaml 庫(kù)來(lái)處理 YAML 文件：

import yaml# 讀取 YAML 文件
with open('data.yaml', 'r') as file:data = yaml.safe_load(file)print(data)# 寫(xiě)入 YAML 文件
new_data = {'students': [{'name': '王五', 'math': 85, 'english': 95, 'science': 90},{'name': '趙六', 'math': 88, 'english': 76, 'science': 92}]
}with open('new_data.yaml', 'w') as file:yaml.dump(new_data, file)

HDF5 文件的基本操作

使用 h5py 庫(kù)來(lái)處理 HDF5 文件：

import h5py# 讀取 HDF5 文件
with h5py.File('data.h5', 'r') as file:data = file['dataset'][:]print(data)# 寫(xiě)入 HDF5 文件
with h5py.File('new_data.h5', 'w') as file:file.create_dataset('dataset', data=[1, 2, 3, 4, 5])

結(jié)語(yǔ)

在處理各種常見(jiàn)文件格式時(shí)，Python 提供了強(qiáng)大的工具和庫(kù)，幫助我們高效地讀取、寫(xiě)入和處理數(shù)據(jù)。無(wú)論是 CSV、JSON、Excel、XML 還是其他格式，掌握這些技能將使你的數(shù)據(jù)處理工作變得輕松又有趣。希望通過(guò)本篇文章，你能夠掌握這些文件格式的處理技巧，并在實(shí)際工作中運(yùn)用自如。

標(biāo)簽

• 文件格式
• CSV
• JSON
• Excel
• XML