热线电话：13121318867

登录
首页精彩阅读Python用list或dict字段模式读取文件的方法
Python用list或dict字段模式读取文件的方法
2018-02-21
收藏

Python用list或dict字段模式读取文件的方法

Python用于处理文本数据绝对是个利器，极为简单的读取、分割、过滤、转换支持，使得开发者不需要考虑繁杂的流文件处理过程（相对于JAVA来说的，嘻嘻）。博主自己工作中，一些复杂的文本数据处理计算，包括在HADOOP上编写Streaming程序，均是用Python完成。

而在文本处理的过程中，将文件加载内存中是第一步，这就涉及到怎样将文件中的某一列映射到具体的变量的过程，最最愚笨的方法，就是按照字段的下标进行引用，比如这样子：

# fields是读取了一行，并且按照分隔符分割之后的列表
user_id=fields[0]
user_name=fields[1]
user_type=fields[2]

如果按照这种方式读取，一旦文件有顺序、增减列的变动，代码的维护是个噩梦，这种代码一定要杜绝。

本文推荐两种优雅的方式来读取数据，都是先配置字段模式，然后按照模式读取，而模式则有字典模式和列表模式两种形式；

读取文件，按照分隔符分割成字段数据列表

首先读取文件，按照分隔符分割每一行的数据，返回字段列表，以便后续处理。

代码如下：


defread_file_data(filepath):
 '''根据路径按行读取文件, 参数filepath：文件的绝对路径
 @param filepath: 读取文件的路径
 @return: 按\t分割后的每行的数据列表
 '''
 fin=open(filepath,'r')
 forlineinfin:
  try:
   line=line[:-1]
   ifnotline:continue
  except:
   continue
   
  try:
   fields=line.split("\t")
  except:
   continue
  # 抛出当前行的分割列表
  yieldfields
 fin.close()

使用yield关键字，每次抛出单个行的分割数据，这样在调度程序中可以用for fields in read_file_data(fpath)的方式读取每一行。

映射到模型之方法1：使用配置好的字典模式，装配读取的数据列表

这种方法配置一个{“字段名”: 字段位置}的字典作为数据模式，然后按照该模式装配读取的列表数据，最后实现用字典的方式访问数据。

所使用的函数：

@staticmethod
defmap_fields_dict_schema(fields, dict_schema):
 """根据字段的模式，返回模式和数据值的对应值；例如 fields为['a','b','c'],schema为{'name':0, 'age':1}，那么就返回{'name':'a','age':'b'}
 @param fields: 包含有数据的数组，一般是通过对一个Line String通过按照\t分割得到
 @param dict_schema: 一个词典，key是字段名称，value是字段的位置；
 @return: 词典，key是字段名称，value是字段值
 """
 pdict={}
 forfstr, findexindict_schema.iteritems():
  pdict[fstr]=str(fields[int(findex)])
 returnpdict

有了该方法和之前的方法，可以用以下的方式读取数据：

# coding:utf8
"""
@author: www.crazyant.net
测试使用字典模式加载数据列表
优点：对于多列文件，只通过配置需要读取的字段，就能读取对应列的数据
缺点：如果字段较多，每个字段的位置配置，较为麻烦
"""
importfile_util
importpprint
  
# 配置好的要读取的字典模式，可以只配置自己关心的列的位置
dict_schema={"userid":0,"username":1,"usertype":2}
forfieldsinfile_util.FileUtil.read_file_data("userfile.txt"):
 # 将字段列表，按照字典模式进行映射
 dict_fields=file_util.FileUtil.map_fields_dict_schema(fields, dict_schema)
 pprint.pprint(dict_fields)

输出结果：

{'userid':'1','username':'name1','usertype':'0'}
{'userid':'2','username':'name2','usertype':'1'}
{'userid':'3','username':'name3','usertype':'2'}
{'userid':'4','username':'name4','usertype':'3'}
{'userid':'5','username':'name5','usertype':'4'}
{'userid':'6','username':'name6','usertype':'5'}
{'userid':'7','username':'name7','usertype':'6'}
{'userid':'8','username':'name8','usertype':'7'}
{'userid':'9','username':'name9','usertype':'8'}
{'userid':'10','username':'name10','usertype':'9'}
{'userid':'11','username':'name11','usertype':'10'}
{'userid':'12','username':'name12','usertype':'11'}

映射到模型之方法2：使用配置好的列表模式，装配读取的数据列表

如果需要读取文件所有列，或者前面的一些列，那么配置字典模式优点复杂，因为需要给每个字段配置索引位置，并且这些位置是从0开始完后数的，属于低级劳动，需要消灭。

列表模式应命运而生，先将配置好的列表模式转换成字典模式，然后按字典加载就可以实现。

转换模式，以及用按列表模式读取的代码：

@staticmethod
deftransform_list_to_dict(para_list):
 """把['a', 'b']转换成{'a':0, 'b':1}的形式
 @param para_list: 列表，里面是每个列对应的字段名
 @return: 字典，里面是字段名和位置的映射
 """
 res_dict={}
 idx=0
 whileidx <len(para_list):
  res_dict[str(para_list[idx]).strip()]=idx
  idx+=1
 returnres_dict
  
@staticmethod
defmap_fields_list_schema(fields, list_schema):
 """根据字段的模式，返回模式和数据值的对应值；例如 fields为['a','b','c'],schema为{'name', 'age'}，那么就返回{'name':'a','age':'b'}
 @param fields: 包含有数据的数组，一般是通过对一个Line String通过按照\t分割得到
 @param list_schema: 列名称的列表list
 @return: 词典，key是字段名称，value是字段值
 """
 dict_schema=FileUtil.transform_list_to_dict(list_schema)
 returnFileUtil.map_fields_dict_schema(fields, dict_schema)

使用的时候，可以用列表的形式配置模式，不需要配置索引更加简洁：

# coding:utf8
"""
@author: www.crazyant.net
测试使用列表模式加载数据列表
优点：如果读取所有列，用列表模式只需要按顺序写出各个列的字段名就可以
缺点：不能够只读取关心的字段，需要全部读取
"""
importfile_util
importpprint
  
# 配置好的要读取的列表模式，只能配置前面的列，或者所有咧
list_schema=["userid","username","usertype"]
forfieldsinfile_util.FileUtil.read_file_data("userfile.txt"):
 # 将字段列表，按照字典模式进行映射
 dict_fields=file_util.FileUtil.map_fields_list_schema(fields, list_schema)
 pprint.pprint(dict_fields)

运行结果和字典模式的完全一样。

file_util.py全部代码

以下是file_util.py中的全部代码，可以放在自己的公用类库中使用

# -*- encoding:utf8 -*-
'''
@author: www.crazyant.net
@version: 2014-12-5
'''
  
classFileUtil(object):
 '''文件、路径常用操作方法
 '''
 @staticmethod
 defread_file_data(filepath):
  '''根据路径按行读取文件, 参数filepath：文件的绝对路径
  @param filepath: 读取文件的路径
  @return: 按\t分割后的每行的数据列表
  '''
  fin=open(filepath,'r')
  forlineinfin:
   try:
    line=line[:-1]
    ifnotline:continue
   except:
    continue
    
   try:
    fields=line.split("\t")
   except:
    continue
   # 抛出当前行的分割列表
   yieldfields
  fin.close()
  
 @staticmethod
 deftransform_list_to_dict(para_list):
  """把['a', 'b']转换成{'a':0, 'b':1}的形式
  @param para_list: 列表，里面是每个列对应的字段名
  @return: 字典，里面是字段名和位置的映射
  """
  res_dict={}
  idx=0
  whileidx <len(para_list):
   res_dict[str(para_list[idx]).strip()]=idx
   idx+=1
  returnres_dict
  
 @staticmethod
 defmap_fields_list_schema(fields, list_schema):
  """根据字段的模式，返回模式和数据值的对应值；例如 fields为['a','b','c'],schema为{'name', 'age'}，那么就返回{'name':'a','age':'b'}
  @param fields: 包含有数据的数组，一般是通过对一个Line String通过按照\t分割得到
  @param list_schema: 列名称的列表list
  @return: 词典，key是字段名称，value是字段值
  """
  dict_schema=FileUtil.transform_list_to_dict(list_schema)
  returnFileUtil.map_fields_dict_schema(fields, dict_schema)
  
@staticmethod
defmap_fields_dict_schema(fields, dict_schema):
 """根据字段的模式，返回模式和数据值的对应值；例如 fields为['a','b','c'],schema为{'name':0, 'age':1}，那么就返回{'name':'a','age':'b'}
 @param fields: 包含有数据的数组，一般是通过对一个Line String通过按照\t分割得到
 @param dict_schema: 一个词典，key是字段名称，value是字段的位置；
 @return: 词典，key是字段名称，value是字段值
 """
 pdict={}
 forfstr, findexindict_schema.iteritems():
  pdict[fstr]=str(fields[int(findex)])
 returnpdict

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家学习或者使用python能有一定的帮助




CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名”

▷ 想学习CDA考试教材，点击>>> “CDA教材” 

▷ 想加入CDA考试题库，点击>>> “CDA题库” 

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 

▷ 想了解CDA院校合作，点击>>> “院校合作” 

▷ 想测试数据分析能力，点击>>> “CDA测评” 

字段 python

数据分析咨询请扫描二维码

若不方便扫码，搜微信号：CDAshujufenxi

上一篇逻辑斯谛回归&最大熵模型
下一篇企业对大数据技术的利用很不充分
数据分析师考试动态
CDA报考指南
数据分析学习
数据分析师资讯
更多

CDA教育闭环

常见问题

关于我们

CDA数据分析师公众号

  • CDA数据分析师公众号

CDA考试中心小程序

  • CDA考试中心服务号

CDA数据分析师App下载

  • CDA数据分析师App下载
Copyright © 2015-2021, www.cda.cn All Rights Reserved. CDA数据分析师(北京国富如荷网络科技有限公司) 版权所有 京ICP备11001960号-9 京公网安备 11010802034615号 经营许可证编号：京B2-20210330
联系电话：13321103290 (微信同号)

OK
客服在线
立即咨询
客服在线
立即咨询