python3-cookbook筆記:第六章 數據編碼和處理

来源:https://www.cnblogs.com/guyuyun/archive/2020/02/22/12348052.html
-Advertisement-
Play Games

python3-cookbook中每個小節以問題、解決方案和討論三個部分探討了Python3在某類問題中的最優解決方式,或者說是探討Python3本身的數據結構、函數、類等特性在某類問題上如何更好地使用。這本書對於加深Python3的理解和提升Python編程能力的都有顯著幫助,特別是對怎麼提高Py ...


python3-cookbook中每個小節以問題、解決方案和討論三個部分探討了Python3在某類問題中的最優解決方式,或者說是探討Python3本身的數據結構、函數、類等特性在某類問題上如何更好地使用。這本書對於加深Python3的理解和提升Python編程能力的都有顯著幫助,特別是對怎麼提高Python程式的性能會有很好的幫助,如果有時間的話強烈建議看一下。
本文為學習筆記,文中的內容只是根據自己的工作需要和平時使用寫了書中的部分內容,並且文中的示例代碼大多直接貼的原文代碼,當然,代碼多數都在Python3.6的環境上都驗證過了的。不同領域的編程關註點也會有所不同,有興趣的可以去看全文。
python3-cookbook:https://python3-cookbook.readthedocs.io/zh_CN/latest/index.html

 

 6.1 讀寫CSV數據

對於CSV文件,如果不是需要特殊處理,為了儘可能少地出意外,那麼總是應該選擇CSV模塊來讀寫CSV文件。下麵只列幾個簡單讀寫CSV文件的示例:

CSV文件stocks.csv,內容如下:

Symbol,Price,Date,Time,Change,Volume
"AA",39.48,"6/11/2007","9:36am",-0.18,181800
"AIG",71.38,"6/11/2007","9:36am",-0.15,195500
"AXP",62.58,"6/11/2007","9:36am",-0.46,935000
"BA",98.31,"6/11/2007","9:36am",+0.12,104800
"C",53.08,"6/11/2007","9:36am",-0.25,360900
"CAT",78.29,"6/11/2007","9:36am",-0.23,225400
import csv

# 以列表形式讀取數據
with open(
'stocks.csv') as f: f_csv = csv.reader(f) headers = next(f_csv) # headers和row都是一個列表 print(headers) for row in f_csv: print(row)
import csv

# 以字典形式讀取數據 with open(
'stocks.csv') as f: f_csv = csv.DictReader(f) # row是一個OrderedDict字典類型 for row in f_csv: # 第一條輸出為:OrderedDict([('Symbol', 'AA'), ('Price', '39.48'), ('Date', '6/11/2007'), ('Time', '9:36am'), ('Change', '-0.18'), ('Volume', '181800')]) print(row)
headers = ['Symbol','Price','Date','Time','Change','Volume']
rows = [('AA', 39.48, '6/11/2007', '9:36am', -0.18, 181800),
         ('AIG', 71.38, '6/11/2007', '9:36am', -0.15, 195500),
         ('AXP', 62.58, '6/11/2007', '9:36am', -0.46, 935000),
       ]

# 以列表形式寫入數據 with open(
'stocks.csv','w') as f: f_csv = csv.writer(f) # 寫入單行數據 f_csv.writerow(headers) # 寫入多行數據 f_csv.writerows(rows)
headers = ['Symbol', 'Price', 'Date', 'Time', 'Change', 'Volume']
rows = [{'Symbol':'AA', 'Price':39.48, 'Date':'6/11/2007',
        'Time':'9:36am', 'Change':-0.18, 'Volume':181800},
        {'Symbol':'AIG', 'Price': 71.38, 'Date':'6/11/2007',
        'Time':'9:36am', 'Change':-0.15, 'Volume': 195500},
        {'Symbol':'AXP', 'Price': 62.58, 'Date':'6/11/2007',
        'Time':'9:36am', 'Change':-0.46, 'Volume': 935000},
        ]

# 以字典形式寫入數據
with open('stocks.csv','w') as f:
    f_csv = csv.DictWriter(f, headers)
    f_csv.writeheader()
    f_csv.writerows(rows)

 

 

6.3 解析簡單的XML數據

就如此小節的標題所寫,這裡只講了簡單的XML解析,如果是較小且不複雜的XML文件,可以使用內置的xml.etree.ElementTree,如果是複雜的XML文檔,可以使用三方庫lxml,功能更加強大且速度更快。對於以下示例代碼,可以直接替換為from lxml.etree import parse。

from urllib.request import urlopen
from xml.etree.ElementTree import parse

# 下載XML文件並解析
u = urlopen('http://planet.python.org/rss20.xml')
doc = parse(u)

# 查找節點channel下的title節點
e = doc.find('channel/title')
# 列印節點名稱:title
print(e.tag)
# 列印節點文本:Planet Python
print(e.text)
# 列印節點的某個屬性值,因為這個節點沒有其他屬性,所以獲取xxx的結果就是None
print(e.get('xxx'))

# 遍歷channel下的item節點
for item in doc.iterfind('channel/item'):
    # 在item節點中查找對應子節點的文本
    title = item.findtext('title')
    date = item.findtext('pubDate')
    link = item.findtext('link')

    print(title)
    print(date)
    print(link)
    print()
title
Planet Python
None
Codementor: Automating Everything With Python: Reading Time: 3 Mins
Sat, 22 Feb 2020 09:01:58 +0000
https://www.codementor.io/maxongzb/automating-everything-with-python-reading-time-3-mins-13v57qt7y6

Quansight Labs Blog: My Unexpected Dive into Open-Source Python
Fri, 21 Feb 2020 18:38:07 +0000
https://labs.quansight.org/blog/2020/02/my-unexpected-dive-into-open-source-python/

...

 

 

6.4 增量式解析大型XML文件

如果需要解析的XML文件太大,那麼可以考慮使用from xml.etree.ElementTree import iterparse進行增量式解析,需要說明的是,以下示例的兩個版本中,將整個XML文檔載入到記憶體中的做法性能要優於增量式解析,但是在記憶體的占用消耗上卻是要遠遠大於增量式解析了。

需要解析的XML文件potholes.xml部分內容如下,現在需要對row節點中zip節點的內容進行統計:

<response>
    <row>
        <row ...>
            <creation_date>2012-11-18T00:00:00</creation_date>
            <status>Completed</status>
            <completion_date>2012-11-18T00:00:00</completion_date>
            <service_request_number>12-01906549</service_request_number>
            <type_of_service_request>Pot Hole in Street</type_of_service_request>
            <current_activity>Final Outcome</current_activity>
            <most_recent_action>CDOT Street Cut ... Outcome</most_recent_action>
            <street_address>4714 S TALMAN AVE</street_address>
            <zip>60632</zip>
            <x_coordinate>1159494.68618856</x_coordinate>
            <y_coordinate>1873313.83503384</y_coordinate>
            <ward>14</ward>
            <police_district>9</police_district>
            <community_area>58</community_area>
            <latitude>41.808090232127896</latitude>
            <longitude>-87.69053684711305</longitude>
            <location latitude="41.808090232127896"
            longitude="-87.69053684711305" />
        </row>
        <row ...>
            <creation_date>2012-11-18T00:00:00</creation_date>
            <status>Completed</status>
            <completion_date>2012-11-18T00:00:00</completion_date>
            <service_request_number>12-01906695</service_request_number>
            <type_of_service_request>Pot Hole in Street</type_of_service_request>
            <current_activity>Final Outcome</current_activity>
            <most_recent_action>CDOT Street Cut ... Outcome</most_recent_action>
            <street_address>3510 W NORTH AVE</street_address>
            <zip>60647</zip>
            <x_coordinate>1152732.14127696</x_coordinate>
            <y_coordinate>1910409.38979075</y_coordinate>
            <ward>26</ward>
            <police_district>14</police_district>
            <community_area>23</community_area>
            <latitude>41.91002084292946</latitude>
            <longitude>-87.71435952353961</longitude>
            <location latitude="41.91002084292946"
            longitude="-87.71435952353961" />
        </row>
    </row>
</response>

全部載入到記憶體中解析:

from xml.etree.ElementTree import parse
from collections import Counter

potholes_by_zip = Counter()

doc = parse('potholes.xml')
for pothole in doc.iterfind('row/row'):
    potholes_by_zip[pothole.findtext('zip')] += 1
for zipcode, num in potholes_by_zip.most_common():
    print(zipcode, num)

增量式解析:

from xml.etree.ElementTree import iterparse
from collections import Counter


def parse_and_remove(filename, path):
    path_parts = path.split('/')
    # start事件:某個節點被創建時產生
    # end事件:某個節點被創建完成時產生
    doc = iterparse(filename, ('start', 'end'))
    # 跳過根節點
    next(doc)

    tag_stack = []
    elem_stack = []
    for event, elem in doc:
        if event == 'start':
            tag_stack.append(elem.tag)
            elem_stack.append(elem)
        elif event == 'end':
            if tag_stack == path_parts:
                yield elem
                # 此處是減少記憶體消耗的核心語句:把yield產生的元素從它的父節點中刪除掉
                elem_stack[-2].remove(elem)
            try:
                tag_stack.pop()
                elem_stack.pop()
            except IndexError:
                pass


potholes_by_zip = Counter()

data = parse_and_remove('potholes.xml', 'row/row')
for pothole in data:
    potholes_by_zip[pothole.findtext('zip')] += 1
for zipcode, num in potholes_by_zip.most_common():
    print(zipcode, num)

 

 

6.5 將字典轉換為XML

from xml.etree.ElementTree import Element可以用來創建一個XML,但需要註意的是它只能構造字元串類型的值。

from xml.etree.ElementTree import Element, tostring


def dict_to_xml(tag, d):
    """根據一個字典創建一個XML"""
    elem = Element(tag)
    for key, val in d.items():
        child = Element(key)
        # text的值需要是str類型
        child.text = str(val)
        elem.append(child)
    return elem


s = {'name': 'GOOG', 'shares': 100, 'price': 490.1}
e = dict_to_xml('stock', s)
# 給某個節點設置屬性值
e.set('_id', '1234')
print(e)
print(tostring(e))
<Element 'stock' at 0x000001761DB01B88>
b'<stock _id="1234"><name>GOOG</name><shares>100</shares><price>490.1</price></stock>'

 

 

6.6 解析和修改XML

示例中修改XML時需要註意的是,所有的修改都是針對父節點來操作的,並且可以將它視為一個列表來處理。

  • 刪除節點:使用父節點的remove()方法。
  • 添加節點:使用父節點的insert()和append()方法。
  • 索引和切片:可以對節點使用如element[i]或element[i:j]進行索引和切片操作。
  • 創建新節點:使用Element類即可。

預先準備好的的文件pred.xml:

<?xml version="1.0"?>
<stop>
    <id>14791</id>
    <nm>Clark &amp; Balmoral</nm>
    <sri>
        <rt>22</rt>
        <d>North Bound</d>
        <dd>North Bound</dd>
    </sri>
    <cr>22</cr>
    <pre>
        <pt>5 MIN</pt>
        <fd>Howard</fd>
        <v>1378</v>
        <rn>22</rn>
    </pre>
    <pre>
        <pt>15 MIN</pt>
        <fd>Howard</fd>
        <v>1867</v>
        <rn>22</rn>
    </pre>
</stop>
>>> from xml.etree.ElementTree import parse, Element
>>> doc = parse('pred.xml')
>>> root = doc.getroot()
>>> root
<Element 'stop' at 0x100770cb0>
>>> root.remove(root.find('sri'))
>>> root.remove(root.find('cr'))
>>> root.getchildren().index(root.find('nm'))
1
>>> e = Element('spam')
>>> e.text = 'This is a test'
>>> root.insert(2, e)
>>> doc.write('newpred.xml', xml_declaration=True)
>>>

 


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • ES6新特性總結 日常開發中寫的 JavaScript 代碼,會用到ES6的部分新特性,這篇博客總結了ES入門的知識點,供日常查閱使用。 1. let和const命令 var ES6之前, 我們定義變數使用關鍵詞var. 但是var有個問題就是定義的變數很容易變成全局變數, 這並不是我們想看到的.比 ...
  • 註意:小程式分為前端和後端,前端是上傳到微信官網審核的,後端是上傳到微擎addons目錄的,網站必須開啟SSL(https) 1、將下載的小程式解壓(解壓後我們會得到前端和後端文件),我們將(後端文件裡面的文件)上傳到網站根目錄addons文件目錄下,上傳後我們進入後臺依次點擊【系統】-【小程式應用 ...
  • 在JavaScript中共有六種數據類型,其中有五種是基本數據類型,還有一種則是引用數據類型。五種基本數據類型分別是:Number 數值類型、String 字元串類型、Boolean 布爾類型, null 空類型、以及undefined 未定義類型,下麵就開始詳細介紹它們之間的轉換以及轉換過程中的註 ...
  • 一、創建一個酒店的房間管理系統 需求:這個酒店有五層,並且1-2層是標準間,3-4層是雙人間,5層是豪華間;我們需要實時的顯現各個房間的使用狀態,並且我們可以預定某一個房間。 package com.bjpowernode.java_learning; ​ import java.util.Scan ...
  • 因為工作和其它原因,很長一段時間沒有出新的、關於OptaPlanner的文章了,但工餘時間並沒有停止對該引擎的學習。與此同時Geoffrey大神帶領的KIE項目團隊並沒有閑下來,儘管在工業可用性、易用性和使用門檻方面,OptaPlanner相對傳統的求解器已經做得相當出色;特別是在規划過程交互、和各 ...
  • 方式一: 將web項目配置到webapps以外的目錄 在conf/server.xml中配置,找到<host>標簽,<Content docBase="E:\yqs\JspProject" path=“/JspProject” />,docBase是實際路徑,path是虛擬路徑(相對於webapps ...
  • 效果圖: #奧運五環 import turtle turtle.setup(1.0,1.0) #設置視窗大小 turtle.title("奧運五環") #藍圓 turtle.penup() turtle.right(90) turtle.forward(-50) turtle.left(90) tu ...
  • 一、添加maven環境變數 添加新的系統環境變數:MAVEN_HOME 設置其值為你安裝的目錄:C:\Java\apache-maven-3.6.2 在PATH 變數中添加變數值:%MAVEN_HOME%\bin 查看是否配置成功 運行cmd,輸入mvn -v(或mvn -version),若輸出以 ...
一周排行
    -Advertisement-
    Play Games
  • 前言 在我們開發過程中基本上不可或缺的用到一些敏感機密數據,比如SQL伺服器的連接串或者是OAuth2的Secret等,這些敏感數據在代碼中是不太安全的,我們不應該在源代碼中存儲密碼和其他的敏感數據,一種推薦的方式是通過Asp.Net Core的機密管理器。 機密管理器 在 ASP.NET Core ...
  • 新改進提供的Taurus Rpc 功能,可以簡化微服務間的調用,同時可以不用再手動輸出模塊名稱,或調用路徑,包括負載均衡,這一切,由框架實現並提供了。新的Taurus Rpc 功能,將使得服務間的調用,更加輕鬆、簡約、高效。 ...
  • 順序棧的介面程式 目錄順序棧的介面程式頭文件創建順序棧入棧出棧利用棧將10進位轉16進位數驗證 頭文件 #include <stdio.h> #include <stdbool.h> #include <stdlib.h> 創建順序棧 // 指的是順序棧中的元素的數據類型,用戶可以根據需要進行修改 ...
  • 前言 整理這個官方翻譯的系列,原因是網上大部分的 tomcat 版本比較舊,此版本為 v11 最新的版本。 開源項目 從零手寫實現 tomcat minicat 別稱【嗅虎】心有猛虎,輕嗅薔薇。 系列文章 web server apache tomcat11-01-官方文檔入門介紹 web serv ...
  • C總結與剖析:關鍵字篇 -- <<C語言深度解剖>> 目錄C總結與剖析:關鍵字篇 -- <<C語言深度解剖>>程式的本質:二進位文件變數1.變數:記憶體上的某個位置開闢的空間2.變數的初始化3.為什麼要有變數4.局部變數與全局變數5.變數的大小由類型決定6.任何一個變數,記憶體賦值都是從低地址開始往高地 ...
  • 如果讓你來做一個有狀態流式應用的故障恢復,你會如何來做呢? 單機和多機會遇到什麼不同的問題? Flink Checkpoint 是做什麼用的?原理是什麼? ...
  • C++ 多級繼承 多級繼承是一種面向對象編程(OOP)特性,允許一個類從多個基類繼承屬性和方法。它使代碼更易於組織和維護,並促進代碼重用。 多級繼承的語法 在 C++ 中,使用 : 符號來指定繼承關係。多級繼承的語法如下: class DerivedClass : public BaseClass1 ...
  • 前言 什麼是SpringCloud? Spring Cloud 是一系列框架的有序集合,它利用 Spring Boot 的開發便利性簡化了分散式系統的開發,比如服務註冊、服務發現、網關、路由、鏈路追蹤等。Spring Cloud 並不是重覆造輪子,而是將市面上開發得比較好的模塊集成進去,進行封裝,從 ...
  • class_template 類模板和函數模板的定義和使用類似,我們已經進行了介紹。有時,有兩個或多個類,其功能是相同的,僅僅是數據類型不同。類模板用於實現類所需數據的類型參數化 template<class NameType, class AgeType> class Person { publi ...
  • 目錄system v IPC簡介共用記憶體需要用到的函數介面shmget函數--獲取對象IDshmat函數--獲得映射空間shmctl函數--釋放資源共用記憶體實現思路註意 system v IPC簡介 消息隊列、共用記憶體和信號量統稱為system v IPC(進程間通信機制),V是羅馬數字5,是UNI ...