最简单的开函数:
# - * -编码:utf - 8 - *
打开(“用法”,“r”,编码=癵bk”,错误=昂雎浴?f:
print (f.read ())
这里用开函数读取了一个txt文件,“编码”表明了读取格式是“gbk”,还可以忽略错误编码。
另外,使与语用句操作文件IO是个好习惯,省去了每次打开都要关闭()。
简单的test.json文件如下:
{
“术语表”:{
“标题”:“术语表”,
" GlossDiv ": {
“标题”:“S”,
" GlossList ": {
" GlossEntry ": {
“ID”:“SGML”,
“近似”:“SGML”,
“GlossTerm”:“标准通用标记语言”,
“缩写”:“SGML”,
Abbrev”:“ISO 8879:1986”,
" GlossDef ": {
“帕拉”:“元标记语言,用于创建标记语言比如DocBook。”,
“GlossSeeAlso”: (“GML”、“XML”)
}，
“GlossSee”:“标记”
}
}
}
}
}
这里需要用python的json模块处理解析:
进口json
data=https://www.yisu.com/zixun/json.load(打开(example.json))
print(类型(数据))
打印(数据)
<>强打印如下:
& lt;类dict的祝辞
{“术语表”:{“标题”:“示例术语表”,“GlossDiv”:{“标题”:“年代”,“GlossList”: {“GlossEntry”: {“ID”:“SGML”,“近似”:“SGML”,“GlossTerm”:“标准通用标记语言”,“缩写”:“SGML”,“Abbrev”:“ISO 8879:1986”、“GlossDef”: {“para”:“元标记语言,用于创建标记语言,比如DocBook。”、“GlossSeeAlso”: (“GML”、“XML”)},“GlossSee‘:’标记的}}}}}
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:
打印(数据[“术语表”][' GlossDiv '] [' GlossList '])
<>强打印结果如下:
{“GlossEntry”: {“ID”:“SGML”,“近似”:“SGML”,“GlossTerm”:“标准通用标记语言”,“缩写”:“SGML”,“Abbrev”:“ISO 8879:1986”、“GlossDef”: {“para”:“元标记语言,用于创建标记语言,比如DocBook。”、“GlossSeeAlso”: (“GML”、“XML”)},“GlossSee‘:’标记的}}
HDF5是一种层次化的格式(层次化格式),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(元数据)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。
<强>与HDF5相关的主要概念有以下几个:
文件文件:层次化数据的容器,相当于树根(“根”树)
组群:树的一个节点(节点树)
数据集数据集:数值数据的数组,可以非常非常大
属性属性:提供额外信息的小块的元数据
# - * -编码:utf - 8 - *
#创建hdf5文件
进口日期时间
进口操作系统
进口h6py
进口numpy np
imgData=https://www.yisu.com/zixun/np.zeros ((3128256))
如果不是os.path.exists (“test.hdf5”):
h6py.File (test.hdf5) f:
f(“数据”)=imgData #将数据写入文件的主键数据下面
f['标签']=范围(100)
之前
<>强创建完成之后读取:
进口日期时间
进口操作系统
进口h6py
进口numpy np
h6py.File (test.hdf5) f:
打印(f)
打印(f.keys)
之前
除了上述方法,熊猫还提供一个直接读取代替文件的函数:
pd.HDFStore
进口日期时间
进口操作系统
进口h6py
进口numpy np
熊猫作为pd导入
data=https://www.yisu.com/zixun/pd.HDFStore (“dataset_log.h6”)
print(类型(数据))
之前
<>强打印结果为:
& lt;类“pandas.io.pytables.HDFStore”比;
剩余关闭打开的文件:dataset_log.h6…
之前
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。
