淺析python常用數據文件處理方法
更新時間：2021年10月21日 10:10:37 作者：Fourier_1024
這篇文章主要介紹了python常用數據文件處理方法,雖說python運行速度慢，但其編程速度，第三方包的豐富度是真的高，涉及到文件批處理還是會選擇python，感興趣的朋友跟隨小編一起看看吧
0.前言
雖說python運行速度慢，但其編程速度，第三方包的豐富度是真的高。
涉及到文件批處理還是會選擇python。
1. 動態(tài)文件名
在文件批處理中，文件名經常只有編號是不同的，可以通過給字符串傳遞不同的編號來獲取動態(tài)文件名。
file_num = 324
# file_num = 1
for i in range(file_num):
file_name = "正常數據\\{}.正常.txt".format(i + 1)
...
2. 將文件轉換為csv格式
一般數據提供者為了節(jié)省存儲空間，都會通過規(guī)定的格式存儲到txt文件中，這種格式對計算機可能并不友好。而逗號文件csv格式可以輕松被numpy、pandas等數據處理包讀取。
首先通過逐行讀取獲取每行數據（大部分數據文件都是每行格式相同，如果數據只有一行，可以全部讀取或者逐字符讀?。?，之后通過line.replace('\n', ‘')將每行的換行符刪除，以免最后得到的csv文件有空行。
使用line.split(':')將字符串分解為多個字段。
通過csv.writer寫入整行。
import csv
outFile = open(file_path + outFile_name, 'w', encoding='utf-8', newline='' "")
csv_writer = csv.writer(outFile)
with open(file_path + file_name, "r") as f:
index = 0
for line in f:
# 寫入表頭
if index == 0:
csv_writer.writerow(['T', 'TimeStamp', 'RangeReport', 'TagID', 'AnchorID',
'ranging', 'check', 'SerialNumber', 'DataID'])
index = index + 1
continue
line = line.replace('\n', '')
str = line.split(':')
csv_writer.writerow(str)
3. 初步處理csv文件
一開始得到的csv文件往往是我們不想要的，需要進行簡單的處理。
例如我想將四行數據合并為一行。
使用pandas讀取csv文件為一個表df。將希望生成的格式簡單做一個有標題、有一行數據的文件，讀取為另一個表df2.
可以使用
del df['T']
來刪除指定的列。
可以通過
df2.loc[row] = list
來確定新文件的一行數據。pandas訪問行數據
import pandas as pd
df = pd.read_csv(file_path + file_name)
# 刪除某些列
del df['T']
del df['RangeReport']
del df['TagID']
# 判斷同一DataID對應的SerialNumber是否相同
# SerialNumberBegin = df['SerialNumber'][0]
# DataIDBegin = df['DataID'][0]
# for row in range(df.shape[0]):
# c = df['SerialNumber'][row] != (SerialNumberBegin + int(row / 4)) % 256
# d = df['DataID'][row] != DataIDBegin + int(row / 4)
# e = df['AnchorID'][row] != row % 4
# if c | d | e:
# print('err')
del df['AnchorID']
# print(type(df['TimeStamp'][0]))
# 進行表合并
df2 = pd.read_csv(file_path + "合并格式.csv")
for row in range(int(df.shape[0]/4)):
list = [3304,229,90531088,90531088,90531088,90531088,760,760,760,760,760,760,760,760]
# DataID,SerialNumber,TimeStamp0,TimeStamp1,TimeStamp2,TimeStamp3,ranging0,check0,ranging1,check1,ranging2,check2,ranging3,check3
list[0] = df['DataID'][row*4]
list[1] = df['SerialNumber'][row*4]
list[2] = df['TimeStamp'][row*4+0]
list[3] = df['TimeStamp'][row*4+1]
list[4] = df['TimeStamp'][row*4+2]
list[5] = df['TimeStamp'][row*4+3]
list[6] = df['ranging'][row*4+0]
list[7] = df['check'][row*4+0]
list[8] = df['ranging'][row*4+1]
list[9] = df['check'][row*4+1]
list[10] = df['ranging'][row*4+2]
list[11] = df['check'][row*4+2]
list[12] = df['ranging'][row*4+3]
list[13] = df['check'][row*4+3]
df2.loc[row] = list
df2.to_csv(file_path+contact_name)
4. 獲取部分數據
可以通過
df0 = df.iloc[:, 3:7]
或者
df0 = df[["check0","check1","check2","check3"]]
來獲取一個表的某幾列。
5. 數據間的格式轉換
一般會在list、numpy、pandas三種格式間進行數據轉換。
自己創(chuàng)建數據時，經常使用
y_show = [] y_show.append(n_clusters_)
維度調整好后，可以是一維或者多維，再轉換為numpy或者pandas。
其中轉換成numpy的方法如下
y = np.array(y_show)
6. 離群點、重合點的處理
使用DBSCAN算法進行聚類。具體算法描述隨便搜就有。
有兩個重要參數，一個是聚類半徑，另一個是最小鄰居數。
指定較大半徑以及較大鄰居數可以篩選出離散點。
指定較小半徑可以篩選出重合點、相似點。
代碼如下，使用一個n*m的numpy矩陣作為輸入，對m維的點進行聚類。
通過一通操作獲取labels，是一個map，key值為int數值，-1,0,1,2…。-1代表離群點，其他代表第幾簇。value是一個list，代表各簇的點的下標。
from sklearn.cluster import DBSCAN y = df[["d0","d1","d2","d3"]].to_numpy() db = DBSCAN(eps=3, min_samples=2).fit(y) core_samples_mask = np.zeros_like(db.labels_, dtype=bool) core_samples_mask[db.core_sample_indices_] = True labels = db.labels_ # 統(tǒng)計簇中l(wèi)abels的數量 n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
7. 數據繪制
繪制二維的比較簡單，這里只貼上三維繪制代碼
import matplotlib.pyplot as plt
import pandas as pd
from mpl_toolkits.mplot3d import axes3d
df = pd.read_csv(file_path+file_name)
x1 = df["x"].to_numpy()
y1 = df["y"].to_numpy()
z1 = df["z"].to_numpy()
df = pd.read_csv(file_path+file_name2)
x2 = df["x"].to_numpy()
y2 = df["y"].to_numpy()
z2 = df["z"].to_numpy()
# new a figure and set it into 3d
fig = plt.figure()
ax = fig.gca(projection='3d')
# set figure information
# ax.set_title("3D")
ax.set_xlabel("X")
ax.set_ylabel("Y")
ax.set_zlabel("Z")
# draw the figure, the color is r = read
# figure1 = ax.plot(x1, y1, z1, c='b')
figure2 = ax.plot(x2, y2, z2, c='r')
# figure3 = ax.plot(x3, x3, z3, c='g')
# figure4 = ax.plot(x4, x4, z4, c='y')
ax.set_xlim(0, 7000)
# ax.set_ylim(0, 5000)
ax.set_zlim(0, 3000)
plt.show()
8. numpy的矩陣運算
# 轉換數據類型 Zk = Zk.astype(float) # 范數 a,b是維度相同的向量 np.linalg.norm(a-b) # 矩陣乘法 np.matmul(A, B) # 矩陣求逆 np.linalg.inv(A) # 單位陣 np.eye(dims) # 轉置 Zk = Zk.T
9. 保存文件
可以使用csv writerow存文件，見1.
也可以使用numpy或者pandas保存文件。
如果直接使用pandas的
df2.to_csv(file_path+contact_name)
保存文件，會額外保存一行index?？梢酝ㄟ^參數，index=False來控制。
如果還有其他要求可以查閱pd.to_csv
也可使用numpy,將一個numpy類型數據通過指定格式存文件。這里一般要指定格式，否則有可能會存成自己不希望的類型。
np.savetxt(file_path + "異常數據.txt", np.array(y_show,dtype=np.int16), fmt="%d")
到此這篇關于python常用數據文件處理方法的文章就介紹到這了,更多相關python數據文件處理內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要介紹了Python中用于返回絕對值的abs()方法,是Python入門中的基礎知識,需要的朋友可以參考下2015-05-05
這篇文章介紹了Python找水仙花數從分析到實現的過程，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2022-05-05
這篇文章主要介紹了python中的函數遞歸和迭代原理解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-11-11
這篇文章主要為大家介紹了Python jiaba庫的使用，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助，希望能夠給你帶來幫助2021-11-11
在做數據挖掘的時候,想改一個DataFrame的column名稱,所以就查了一下,下面這篇文章主要給大家介紹了關于Pandas中如何對DataFrame列名進行重命名的相關資料,需要的朋友可以參考下2023-04-04
循環(huán)器(iterator)是對象的容器，包含有多個對象。這篇文章主要介紹了python itertools用法,需要的朋友可以參考下2020-02-02
下面小編就為大家分享一篇python 設置文件編碼格式的實現方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2017-12-12
這篇文章主要介紹了Python練習之操作SQLite數據庫，主要通過三個問題如何創(chuàng)建SQLite數據庫？如何向SQLite表中插入數據？如何查詢SQLite表中的數據？展開文章主題詳情，需要的朋友可以參考一下2022-06-06
在計算中,腳本一詞用于指代包含訂單邏輯序列的文件或批處理文件,下面這篇文章主要給大家介紹了關于python運行腳本文件的三種方法,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2022-06-06
這篇文章主要介紹了Python基于回溯法解決01背包問題,結合實例形式分析了Python回溯法采用深度優(yōu)先策略搜索解決01背包問題的相關操作技巧,需要的朋友可以參考下2017-12-12