Python常用文件读取方式

基本方法

在Python中，你可以使用多种方式从文件中读取数据。下面介绍几种常见的方法：

使用open和read方法：

file_path = 'file.txt'

with open(file_path, 'r') as file:
    data = file.read()

# 输出读取到的数据
print(data)

这种方法会将整个文件的内容读取为一个字符串，并存储在变量 data 中。

使用readlines方法逐行读取数据：

file_path = 'file.txt'

with open(file_path, 'r') as file:
    lines = file.readlines()

# 逐行输出读取到的数据
for line in lines:
    print(line)

这种方法将文件的每一行作为一个字符串存储在列表 lines 中。

使用readline方法逐行读取数据：

file_path = 'file.txt'

with open(file_path, 'r') as file:
    line = file.readline()
    
    while line:
        # 处理读取到的数据
        print(line)
        
        line = file.readline()

这种方法使用一个循环逐行读取文件内容，每次读取一行。

使用csv模块读取CSV格式的数据：

import csv

file_path = 'file.csv'

with open(file_path, 'r') as file:
    reader = csv.reader(file)
    
    for row in reader:
        # 处理读取到的数据
        print(row)

这种方法使用 csv 模块提供的 reader 函数读取 CSV 文件的内容，并将每一行数据作为一个列表返回。

使用numpy及pandas库读写文件

当然，还有其他一些常见的方法来读取文件中的数据：

使用numpy库读取文本文件：
1
2
3
4
5
6
7
8
import numpy as np

file_path = 'file.txt'

data = np.loadtxt(file_path)

# 输出读取到的数据
print(data)
这种方法使用 numpy 库的 loadtxt 函数可以方便地读取文本文件，并将数据存储为一个NumPy数组。
使用pandas库读取文件：
1
2
3
4
5
6
7
8
import pandas as pd

file_path = 'file.csv'

data = pd.read_csv(file_path)

# 输出读取到的数据
print(data)
这种方法使用 pandas 库的 read_csv 函数可以读取CSV文件，并将数据存储为一个DataFrame对象。

除了前面提到的方法，NumPy和Pandas还提供了其他一些用于读取文件的函数和方法。

在NumPy中，你可以使用以下函数来读取文件：

np.genfromtxt：用于从文本文件中读取数据，并根据指定的分隔符将数据转换为NumPy数组。
np.fromfile：用于从二进制文件中读取数据，并将数据转换为NumPy数组。
np.load：用于加载以NumPy的.npy格式保存的数组数据。

例如：

import numpy as np

file_path = 'file.txt'

# 使用np.genfromtxt读取文本文件
data = np.genfromtxt(file_path, delimiter=',')

# 使用np.fromfile读取二进制文件
data = np.fromfile(file_path, dtype=np.float32)

# 使用np.load加载.npy格式的数组数据
data = np.load(file_path)

在Pandas中，你可以使用以下方法来读取文件：

pd.read_excel：用于读取Excel文件中的数据，并将数据存储为DataFrame对象。
pd.read_sql：用于从关系型数据库中读取数据，并将数据存储为DataFrame对象。
pd.read_hdf：用于读取HDF5文件中的数据，并将数据存储为DataFrame对象。
pd.read_json：用于读取JSON文件中的数据，并将数据存储为DataFrame对象。

例如：

import pandas as pd

file_path = 'file.xlsx'

# 使用pd.read_excel读取Excel文件
data = pd.read_excel(file_path)

# 使用pd.read_sql从数据库中读取数据
data = pd.read_sql('SELECT * FROM table', connection)

# 使用pd.read_hdf读取HDF5文件
data = pd.read_hdf(file_path, key='data')

# 使用pd.read_json读取JSON文件
data = pd.read_json(file_path)

这些函数和方法提供了更多的灵活性和功能，可以根据不同的数据文件格式和源来选择适当的读取方法。