Python讀寫csv文件 覺得有用的話,歡迎一起討論相互學習~ "Follow Me" 前言 逗號分隔值(Comma Separated Values,CSV,有時也稱為字元分隔值,因為分隔字元也可以不是逗號),其文件以純文本形式存儲表格數據(數字和文本)。純文本意味著該文件是一個字元序列,不含必 ...
Python讀寫csv文件
覺得有用的話,歡迎一起討論相互學習~Follow Me
前言
逗號分隔值(Comma-Separated Values,CSV,有時也稱為字元分隔值,因為分隔字元也可以不是逗號),其文件以純文本形式存儲表格數據(數字和文本)。純文本意味著該文件是一個字元序列,不含必須像二進位數字那樣被解讀的數據。CSV文件由任意數目的記錄組成,記錄間以某種換行符分隔;每條記錄由欄位組成,欄位間的分隔符是其它字元或字元串,最常見的是逗號或製表符。通常,所有記錄都有完全相同的欄位序列.
特點
- 讀取出的數據一般為字元類型,如果是數字需要人為轉換為數字
- 以行為單位讀取數據
- 列之間以半形逗號或製表符為分隔,一般為半形逗號
- 一般為每行開頭不空格,第一行是屬性列,數據列之間以間隔符為間隔無空格,行之間無空行。
行之間無空行十分重要,如果有空行或者數據集中行末有空格,讀取數據時一般會出錯,引發[list index out of range]錯誤。PS:已經被這個錯誤坑過很多次!
使用python I/O寫入和讀取CSV文件
使用PythonI/O寫入csv文件
- 以下是將"birthweight.dat"低出生體重的dat文件從作者源處下載下來,並且將其處理後保存到csv文件中的代碼。
import csv
import os
import numpy as np
import random
import requests
# name of data file
# 數據集名稱
birth_weight_file = 'birth_weight.csv'
# download data and create data file if file does not exist in current directory
# 如果當前文件夾下沒有birth_weight.csv數據集則下載dat文件並生成csv文件
if not os.path.exists(birth_weight_file):
birthdata_url = 'https://github.com/nfmcclure/tensorflow_cookbook/raw/master/01_Introduction/07_Working_with_Data_Sources/birthweight_data/birthweight.dat'
birth_file = requests.get(birthdata_url)
birth_data = birth_file.text.split('\r\n')
# split分割函數,以一行作為分割函數,windows中換行符號為'\r\n',每一行後面都有一個'\r\n'符號。
birth_header = birth_data[0].split('\t')
# 每一列的標題,標在第一行,即是birth_data的第一個數據。並使用製表符作為劃分。
birth_data = [[float(x) for x in y.split('\t') if len(x) >= 1] for y in birth_data[1:] if len(y) >= 1]
print(np.array(birth_data).shape)
# (189, 9)
# 此為list數據形式不是numpy數組不能使用np,shape函數,但是我們可以使用np.array函數將list對象轉化為numpy數組後使用shape屬性進行查看。
with open(birth_weight_file, "w", newline='') as f:
# with open(birth_weight_file, "w") as f:
writer = csv.writer(f)
writer.writerows([birth_header])
writer.writerows(birth_data)
f.close()
常見錯誤list index out of range
- 其中我們重點需要講的是 with open(birth_weight_file, "w", newline='') as f: 這個語句。表示寫入csv文件,如果不加上參數 newline='' 表示以空格作為換行符,而是用 with open(birth_weight_file, "w") as f: 語句。則生成的表格中會出現空行。
- 不僅僅是用python I/O進行csv數據的讀寫時,利用其餘方法讀寫csv數據,或者從網上下載好csv數據集後都需要查看其每行後有沒有空格,或者有沒有多餘的空行。避免不必要的錯誤~影響數據分析時的判斷。
使用PythonI/O讀取csv文件
- 使用python I/O方法進行讀取時即是新建一個List 列表然後按照先行後列的順序(類似C語言中的二維數組)將數據存進空的List對象中,如果需要將其轉化為numpy 數組也可以使用np.array(List name)進行對象之間的轉化。
birth_data = []
with open(birth_weight_file) as csvfile:
csv_reader = csv.reader(csvfile) # 使用csv.reader讀取csvfile中的文件
birth_header = next(csv_reader) # 讀取第一行每一列的標題
for row in csv_reader: # 將csv 文件中的數據保存到birth_data中
birth_data.append(row)
birth_data = [[float(x) for x in row] for row in birth_data] # 將數據從string形式轉換為float形式
birth_data = np.array(birth_data) # 將list數組轉化成array數組便於查看數據結構
birth_header = np.array(birth_header)
print(birth_data.shape) # 利用.shape查看結構。
print(birth_header.shape)
#
# (189, 9)
# (9,)
使用Pandas讀取CSV文件
import pandas as pd
csv_data = pd.read_csv('birth_weight.csv') # 讀取訓練數據
print(csv_data.shape) # (189, 9)
N = 5
csv_batch_data = csv_data.tail(N) # 取後5條數據
print(csv_batch_data.shape) # (5, 9)
train_batch_data = csv_batch_data[list(range(3, 6))] # 取這20條數據的3到5列值(索引從0開始)
print(train_batch_data)
# RACE SMOKE PTL
# 184 0.0 0.0 0.0
# 185 0.0 0.0 1.0
# 186 0.0 1.0 0.0
# 187 0.0 0.0 0.0
# 188 0.0 0.0 1.0
使用Tensorflow讀取CSV文件
- 本人在平時一般都是使用Tensorflow處理各類數據,所以對於使用Tensorflow讀取數據在此不過多的進行解釋。下麵貼上一段代碼,如果有不懂的地方可以看我原來的博客內容。
'''使用Tensorflow讀取csv數據'''
filename = 'birth_weight.csv'
file_queue = tf.train.string_input_producer([filename]) # 設置文件名隊列,這樣做能夠批量讀取文件夾中的文件
reader = tf.TextLineReader(skip_header_lines=1) # 使用tensorflow文本行閱讀器,並且設置忽略第一行
key, value = reader.read(file_queue)
defaults = [[0.], [0.], [0.], [0.], [0.], [0.], [0.], [0.], [0.]] # 設置列屬性的數據格式
LOW, AGE, LWT, RACE, SMOKE, PTL, HT, UI, BWT = tf.decode_csv(value, defaults)
# 將讀取的數據編碼為我們設置的預設格式
vertor_example = tf.stack([AGE, LWT, RACE, SMOKE, PTL, HT, UI]) # 讀取得到的中間7列屬性為訓練特征
vertor_label = tf.stack([BWT]) # 讀取得到的BWT值表示訓練標簽
# 用於給取出的數據添加上batch_size維度,以批處理的方式讀出數據。可以設置批處理數據大小,是否重覆讀取數據,容量大小,隊列末尾大小,讀取線程等屬性。
example_batch, label_batch = tf.train.shuffle_batch([vertor_example, vertor_label], batch_size=10, capacity=100, min_after_dequeue=10)
# 初始化Session
with tf.Session() as sess:
coord = tf.train.Coordinator() # 線程管理器
threads = tf.train.start_queue_runners(coord=coord)
print(sess.run(tf.shape(example_batch))) # [10 7]
print(sess.run(tf.shape(label_batch))) # [10 1]
print(sess.run(example_batch)[3]) # [ 19. 91. 0. 1. 1. 0. 1.]
coord.request_stop()
coord.join(threads)
'''
對於使用所有Tensorflow的I/O操作來說開啟和關閉線程管理器都是必要的操作
with tf.Session() as sess:
coord = tf.train.Coordinator() # 線程管理器
threads = tf.train.start_queue_runners(coord=coord)
# Your code here~
coord.request_stop()
coord.join(threads)
'''
還有其他使用python讀取文件的各種方法,這裡介紹三種,不定期進行補充。