当前位置： 移动技术网 > IT编程>脚本编程>Python > python 读取txt,json和hdf5文件的实例

python 读取txt,json和hdf5文件的实例

2018年08月19日  | 移动技术网IT编程  | 我要评论

邵阳自来水公司,dnf西西外挂,娃哈哈伴奏

一.python读取txt文件

最简单的open函数：

# -*- coding: utf-8 -*-
with open("test.txt","r",encoding="gbk",errors='ignore') as f:
 print(f.read())

这里用open函数读取了一个txt文件，”encoding”表明了读取格式是“gbk”,还可以忽略错误编码。

另外，使用with语句操作文件io是个好习惯，省去了每次打开都要close()。

二.python读取json文件

简单的test.json文件如下：

{
 "glossary": {
 "title": "example glossary",
 "glossdiv": {
  "title": "s",
  "glosslist": {
  "glossentry": {
   "id": "sgml",
   "sortas": "sgml",
   "glossterm": "standard generalized markup language",
   "acronym": "sgml",
   "abbrev": "iso 8879:1986",
   "glossdef": {
   "para": "a meta-markup language, used to create markup languages such as docbook.",
   "glossseealso": ["gml", "xml"]
   },
   "glosssee": "markup"
  }
  }
 }
 }
}

这里需要用python的json模块处理解析:

import json
data = json.load(open('example.json'))
print(type(data))
print(data)

打印如下：

<class 'dict'>
{'glossary': {'title': 'example glossary', 'glossdiv': {'title': 's', 'glosslist': {'glossentry': {'id': 'sgml', 'sortas': 'sgml', 'glossterm': 'standard generalized markup language', 'acronym': 'sgml', 'abbrev': 'iso 8879:1986', 'glossdef': {'para': 'a meta-markup language, used to create markup languages such as docbook.', 'glossseealso': ['gml', 'xml']}, 'glosssee': 'markup'}}}}}

可见json.load()函数返回值是dict，json数据现在就成了一个网状的python字典。

接下来我们就可以用标准的键检索来进行解读，比如：

print(data['glossary']['glossdiv']['glosslist'])

打印结果如下：

{'glossentry': {'id': 'sgml', 'sortas': 'sgml', 'glossterm': 'standard generalized markup language', 'acronym': 'sgml', 'abbrev': 'iso 8879:1986', 'glossdef': {'para': 'a meta-markup language, used to create markup languages such as docbook.', 'glossseealso': ['gml', 'xml']}, 'glosssee': 'markup'}}

三.python 读取hfd5文件

hdf5 是一种层次化的格式（hierarchical format），经常用于存储复杂的科学数据。例如 matlab 就是用这个格式来存储数据。在存储带有关联的元数据（metadata）的复杂层次化数据的时候，这个格式非常有用，例如计算机模拟实验的运算结果等等。

与hdf5 相关的主要概念有以下几个：

文件 file: 层次化数据的容器，相当于树根（'root' for tree）

组 group: 树的一个节点（node for a tree）

数据集 dataset: 数值数据的数组，可以非常非常大

属性 attribute: 提供额外信息的小块的元数据

# -*- coding: utf-8 -*-
#创建hdf5文件
import datetime
import os
import h5py
import numpy as np
imgdata = np.zeros((30,3,128,256))
if not os.path.exists('test.hdf5'):
 with h5py.file('test.hdf5') as f:
 f['data'] = imgdata   #将数据写入文件的主键data下面
 f['labels'] = range(100)

创建完成之后读取：

import datetime
import os
import h5py
import numpy as np
with h5py.file('test.hdf5') as f:
 print(f)
 print(f.keys)

除了上述方法，pandas还提供一个直接读取h5文件的函数：

pd.hdfstore
import datetime
import os
import h5py
import numpy as np
import pandas as pd
data = pd.hdfstore("dataset_log.h5")
print(type(data))

打印结果为：

<class 'pandas.io.pytables.hdfstore'>
closing remaining open files:dataset_log.h5...done

以上这篇python 读取txt,json和hdf5文件的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持移动技术网。

您可能感兴趣的文章:

如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复

相关文章:

验证码：
最近更新的文章
大家感兴趣的文章
移动技术网