这篇文章主要介绍了python常用数据文件处理方法,虽说python运行速度慢，但其编程速度，第三方包的丰富度是真的高，涉及到文件批处理还是会选择python，感兴趣的朋友跟随小编一起看看吧
0.前言
虽说python运行速度慢，但其编程速度，第三方包的丰富度是真的高。
涉及到文件批处理还是会选择python。
1. 动态文件名
在文件批处理中，文件名经常只有编号是不同的，可以通过给字符串传递不同的编号来获取动态文件名。
file_num = 324 # file_num = 1 for i in range(file_num): file_name = "正常数据\\{}.正常.txt".format(i + 1) ... 2. 将文件转换为csv格式
一般数据提供者为了节省存储空间，都会通过规定的格式存储到txt文件中，这种格式对计算机可能并不友好。而逗号文件csv格式可以轻松被numpy、pandas等数据处理包读取。
首先通过逐行读取获取每行数据（大部分数据文件都是每行格式相同，如果数据只有一行，可以全部读取或者逐字符读取），之后通过line.replace('\n', ‘')将每行的换行符删除，以免最后得到的csv文件有空行。
使用line.split(':')将字符串分解为多个字段。
通过csv.writer写入整行。
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: # 写入表头 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. 初步处理csv文件
一开始得到的csv文件往往是我们不想要的，需要进行简单的处理。
例如我想将四行数据合并为一行。
使用pandas读取csv文件为一个表df。将希望生成的格式简单做一个有标题、有一行数据的文件，读取为另一个表df2.
可以使用
del df['T']
来删除指定的列。
可以通过
df2.loc[row] = list
来确定新文件的一行数据。pandas访问行数据
import pandas as pd df = pd.read_csv(file_path + file_name) # 删除某些列 del df['T'] del df['RangeReport'] del df['TagID'] # 判断同一DataID对应的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])) # 进行表合并 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. 获取部分数据
可以通过
df0 = df.iloc[:, 3:7]
或者
df0 = df[["check0","check1","check2","check3"]]
来获取一个表的某几列。
5. 数据间的格式转换
一般会在list、numpy、pandas三种格式间进行数据转换。
自己创建数据时，经常使用
y_show = [] y_show.append(n_clusters_)
维度调整好后，可以是一维或者多维，再转换为numpy或者pandas。
其中转换成numpy的方法如下
y = np.array(y_show)
6. 离群点、重合点的处理
使用DBSCAN算法进行聚类。具体算法描述随便搜就有。
有两个重要参数，一个是聚类半径，另一个是最小邻居数。
指定较大半径以及较大邻居数可以筛选出离散点。
指定较小半径可以筛选出重合点、相似点。
代码如下，使用一个n*m的numpy矩阵作为输入，对m维的点进行聚类。
通过一通操作获取labels，是一个map，key值为int数值，-1,0,1,2…。-1代表离群点，其他代表第几簇。value是一个list，代表各簇的点的下标。
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_ # 统计簇中labels的数量 n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
7. 数据绘制
绘制二维的比较简单，这里只贴上三维绘制代码
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的矩阵运算
# 转换数据类型 Zk = Zk.astype(float) # 范数 a,b是维度相同的向量 np.linalg.norm(a-b) # 矩阵乘法 np.matmul(A, B) # 矩阵求逆 np.linalg.inv(A) # 单位阵 np.eye(dims) # 转置 Zk = Zk.T
9. 保存文件
可以使用csv writerow存文件，见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，会额外保存一行index。可以通过参数，index=False来控制。
如果还有其他要求可以查阅pd.to_csv
也可使用numpy,将一个numpy类型数据通过指定格式存文件。这里一般要指定格式，否则有可能会存成自己不希望的类型。
np.savetxt(file_path + "异常数据.txt", np.array(y_show,dtype=np.int16), fmt="%d")
到此这篇关于python常用数据文件处理方法的文章就介绍到这了,更多相关python数据文件处理内容请搜索0133技术站以前的文章或继续浏览下面的相关文章希望大家以后多多支持0133技术站！
以上就是浅析python常用数据文件处理方法的详细内容，更多请关注0133技术站其它相关文章！
