数据分析从零开始实战 | 基础篇

Posted 2021-04-27 简说Python

上节补充

CSV

逗号分隔值（Comma-Separated Values，CSV，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。

TSV

TSV 是Tab-separated values的缩写，即制表符分隔值。
Python的csv模块准确的讲应该叫做dsv模块，因为它实际上是支持范式的分隔符分隔值文件（DSV，delimiter-separated values）的。
   delimiter参数值默认为半角逗号，即默认将被处理文件视为CSV。
   当delimiter='\t'时，被处理文件就是TSV。

零 写在前面

上一篇文章中带大家了解了数据分析基础，配置好了数据分析的基本环境，以及利用pandas模块读写csv文件，在本文开头，我也补充了csv与tsv的基本介绍与区别，意在更好的让大家理解相关知识点，本文将带大家继续学习文件读取。

点击查看第一篇文章：

一 基本知识概要

1.利用pandas读写tsv文件
2.利用pandas读写json文件

二 开始动手动脑

1.利用pandas读写tsv文件

在文章开头我已经说明了csv与tsv的差别，相信部分看过第一篇文章的读者应该知道怎么处理tsv文件了。

csv与tsv只是内容的分隔符不一样，前者是,,后者是\t，python读取这两类文件都使用csv模块，也可以直接利用pandas,这里我们讲利用pandas读取方式，使用的函数read_csv()与to_csv()在上一篇 文章中有详细介绍，这里我直接上案例代码。

(1) 读取tsv文件代码

import pandas as pd
import os

# 获取当前文件父目录路径
father_path = os.getcwd()

# 原始数据文件路径
rpath_tsv = father_path+r'\data01\city_station.tsv'
# 读取数据
tsv_read = pd.read_csv(rpath_tsv, sep="\t")
# 显示数据前10条
print(tsv_read.head(10))

运行结果

    站点名 代号
0  北京北 VAP
1  北京东 BOP
2  北京  BJP
3  北京南 VNP
4  北京西 BXP

(2) 写tsv文件代码

import pandas as pd
import os

# 获取当前文件父目录路径
father_path = os.getcwd()

# 保存数据文件路径
path_tsv = father_path+r'\data01\temp_city.tsv'

data = {"站点名": ["北京北", "北京东", "北京", "北京南", "北京西"],
        "代号": ["VAP", "BOP", "BJP", "VNP", "BXP"]}
df = pd.DataFrame(data)
df.to_csv(path_tsv, sep="\t", index=False)

运行结果

(3)号外加餐

利用csv模块也可以直接读取csv和tsv文件
csv.reader(csvfile, dialect='excel', **fmtparams)
csv.writer(csvfile, dialect='excel', **fmtparams)

csvfile，必须是支持迭代(Iterator)的对象，可以是文件(file)对象或者列表(list)
对象，如果是文件对象，打开时需要加"b"标志参数。
qdialect，编码风格，默认为excel的风格，也就是用逗号（,）分隔，dialect方式也
支持自定义。
fmtparam，格式化参数，用来覆盖之前dialect对象指定的编码风格。

2.利用pandas读写json文件

(1)利用pandas读取json文件

import pandas as pd
import os

# 获取当前文件父目录路径
father_path = os.getcwd()
# 原始数据文件路径
rpath_json = father_path+r'\data01\realEstate_trans.json'
json_read = pd.read_json(rpath_json)

# 输出头10行记录
print(json_read.head(10))

运行结果

函数解析

read_json(path_or_buf,orient,encoding,numpy)

常见参数解析：

path_or_buf：字符串，表示文件路径；

orient：指示预期的JSON字符串格式。可以to_json()使用相应的方向值生成兼容的JSON字符串。一组可能的方向是：

'split' : dict like {index -> [index], columns -> [columns], data -> [values]}
'records' : list like [{column -> value}, ... , {column -> value}]
'index' : dict like {index -> {column -> value}}
'columns' : dict like {column -> {index -> value}}
'values' : just the values array

encoding：字符串，默认为'utf-8'；

numpy：布尔值，默认为False，直接解码为numpy数组。仅支持数字数据，但支持非数字列和索引标签。另请注意，如果numpy = True，则每个术语的JSON顺序必须相同。

(2)利用pandas写入json文件

import pandas as pd
import os

# 获取当前文件父目录路径
father_path = os.getcwd()
# 存储数据文件路径
wpath_json = father_path+r'\data01\temp_trans.json'
data = [{"city": "SACRAMENTO", "longitude": -121.434879, "street": "3526 HIGH ST", "sq__ft": 836, "latitude": 38.631913, "sale_date": "Wed May 21 00:00:00 EDT 2008", "zip": 95838, "beds": 2, "type": "Residential", "state": "CA", "baths": 1, "price": 59222}, {"city": "SACRAMENTO", "longitude": -121.431028, "street": "51 OMAHA CT", "sq__ft": 1167, "latitude": 38.478902, "sale_date": "Wed May 21 00:00:00 EDT 2008", "zip": 95823, "beds": 3, "type": "Residential", "state": "CA", "baths": 1, "price": 68212}, {"city": "SACRAMENTO", "longitude": -121.443839, "street": "2796 BRANCH ST", "sq__ft": 796, "latitude": 38.618305, "sale_date": "Wed May 21 00:00:00 EDT 2008", "zip": 95815, "beds": 2, "type": "Residential", "state": "CA", "baths": 1, "price": 68880}]
df = pd.DataFrame(data)
df.to_json(wpath_json)

运行结果

函数解析

to_json(path_or_buf,orient,encoding,index)
前三个参数和read_json()里的一样
index：False则选择不写入索引,默认为True。

号外加餐

利用json模版的loads()与dumps()方法也可以实现json文件的读写。

之前的一篇文章有详细介绍，。

送你的话

我始终觉得，要想学好一门语言，底层是最重要的，所以不要觉得入门的这些基本东西太简单，学好基础，才能成大牛。

| 今日打卡主题

第n天打卡，你觉得基础知识要不要学的这么细，为什么？

正在更新专栏

Python机器学习

001.

002.

003.

（我会让你看到这里慢慢壮大）

数据分析从零开始实战

001.

（我会让你看到这里慢慢壮大）

已完结专栏

Python小技能入门四篇

2019，我们一起让知识『好看』