【Python】csv与json,哪个才是你的数据之选?

简介: 【Python】csv与json,哪个才是你的数据之选?

882ef14b589f4addae0d0f97c7f0161a.png


一、写在前面✨


大家好!我是初心,希望我们一路走来能坚守初心!

今天跟大家分享的文章是 `` ,希望能帮助到大家!本篇文章收录于 初心Python从入门到精通 专栏。


🏠 个人主页:初心%个人主页

🧑 个人简介:大家好,我是初心,和大家共同努力

💕欢迎大家:这里是CSDN,我记录知识的地方,喜欢的话请三连,有问题请私信😘

💕 没有BUG的代码是不完美的!』—— Sodium_Sulfate「Sodium_Sulfate」


二、读写csv文件


2.1 什么是CSV文件


CSV(Comma-Separated Values,逗号分隔的值)是一种简单、实用的文件格式,用于存储和表示包括文本、数值等各种类型的数据。


CSV 文件通常以 .csv 作为文件扩展名。这种文件格式的一个显著特点是:文件内的数据以逗号 , 分隔,呈现一个表格形式。CSV 文件已广泛应用于存储、传输和编辑数据。


2.2 csv文件的优点


1.简单易懂:CSV 文件基于纯文本格式,因此可以使用任何文本编辑器(如Notepad)轻松打开和编辑。

2.数据兼容性:CSV 文件中的数据可以很容易地跨平台进行传输和处理,任何具有 CSV 处理功能的软件(如Microsoft Excel、Google Sheets、甚至编程语言库)都能处理该类型的文件。

3.资源占用低:CSV 文件以纯文本形式存储数据,其体积相对较小,便于节省存储空间。


2.3 应用

下面请看具体的例子:

编程要求:按注释要求完成下列文件读写操作。

import re
import csv
def normalize(lines):
    return [line.replace('\t', '    ') for line in lines]
def read_file(file_path):
    """
    读取文本文件内容,并返回所有行的列表
    >>> normalize(read_file('test.txt'))
    ['学号    出生年月    政治面貌    民族    考生类别', '0001    2003/2/23    共青团员    汉族    城镇应届', '0002    2002/4/18    共青团员    汉族    农村应届']
    """
def write_file(file_path, lines):
    """
    将指定的行写入 CSV 文件中
    >>> write_file('output.csv', read_file('test.txt'))
    >>> read_file('output.csv')
    ['学号,出生年月,政治面貌,民族,考生类别', '0001,2003/2/23,共青团员,汉族,城镇应届', '0002,2002/4/18,共青团员,汉族,农村应届']
    """
import doctest
doctest.testmod()

具体实现:

def read_file(file_path):
    """
    读取文本文件内容,并返回所有行的列表
    >>> normalize(read_file('test.txt'))
    ['学号    出生年月    政治面貌    民族    考生类别', '0001    2003/2/23    共青团员    汉族    城镇应届', '0002    2002/4/18    共青团员    汉族    农村应届']
    """
    file_data = []
    with open(file_path, encoding='utf-8') as f:
        for i in f:
            file_data.append(i.strip())
    return file_data
def write_file(file_path, lines):
    """
    将指定的行写入 CSV 文件中
    >>> write_file('output.csv', read_file('test.txt'))
    >>> read_file('output.csv')
    ['学号,出生年月,政治面貌,民族,考生类别', '0001,2003/2/23,共青团员,汉族,城镇应届', '0002,2002/4/18,共青团员,汉族,农村应届']
    """
    with open(file_path, 'w', encoding='utf-8', newline='') as f:
        writer = csv.writer(f)
        for line in lines:
            writer.writerow(line.split('\t'))  # 使用 split() 将line变成列表



三、读取json文件

3.1 json介绍


json的全称为:JavaScript Object Notation,是一种轻量级的数据交互格式。它基于 ECMAScript (欧洲计算机协会制定的js规范)的一个子集,采用完全独立于编程语言的文本格式来存储和表示数据。


简单来说:json就是一种在各个编程语言中流通的数据格式,负责不同编程语言中的数据传递和交互。


3.2 例题

import json
def read_future_weather(filepath):
    """
    >>> read_future_weather("weather.json")
    ['小雨转多云', '多云转阴', '多云', '小雨转多云', '多云转小雨']
    >>> read_future_weather("test.txt")
    Error: not json file!
    """
  # Edit Your Code Here
import doctest
doctest.testmod()


具体实现:

json_data = {}
with open(filepath, 'r', encoding='utf-8') as f:
    try:
        json_data = json.load(f)  # 读取到 json 数据
    except ValueError:
        print('Error: not json file!')
        return None
future_list = json_data.get("result").get('future')
weather_list = []
for i in future_list:
    weather_list.append(i.get('weather'))
return weather_list


四、总结撒花😊


本文主要讲解了Python中如何使用csv文件和json文件,希望能帮助到大家。😊

这就是今天要分享给大家的全部内容了,我们下期再见!😊

🏠 本文由初心原创,首发于CSDN博客, 博客主页:初心%🏠

🏠 我在CSDN等你哦!😍


相关文章
|
3天前
|
JSON NoSQL MongoDB
实时计算 Flink版产品使用合集之要将收集到的 MongoDB 数据映射成 JSON 对象而非按字段分割,该怎么操作
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
33 1
|
5天前
|
存储 JSON 数据处理
从JSON数据到Pandas DataFrame:如何解析出所需字段
从JSON数据到Pandas DataFrame:如何解析出所需字段
19 1
|
5天前
|
存储 JSON 数据库
Python中列表数据的保存与读取:以txt文件为例
Python中列表数据的保存与读取:以txt文件为例
19 2
|
5天前
|
XML 前端开发 数据格式
BeautifulSoup 是一个 Python 库,用于从 HTML 和 XML 文件中提取数据
【5月更文挑战第10天】BeautifulSoup 是 Python 的一个库,用于解析 HTML 和 XML 文件,即使在格式不规范的情况下也能有效工作。通过创建 BeautifulSoup 对象并使用方法如 find_all 和 get,可以方便地提取和查找文档中的信息。以下是一段示例代码,展示如何安装库、解析 HTML 数据以及打印段落、链接和特定类名的元素。BeautifulSoup 还支持更复杂的查询和文档修改功能。
23 1
|
1天前
|
数据采集 存储 数据挖掘
Python DataFrame初学者指南:轻松上手构建数据表格
【5月更文挑战第19天】本文是针对初学者的Pandas DataFrame指南,介绍如何安装Pandas、创建DataFrame(从字典或CSV文件)、查看数据(`head()`, `info()`, `describe()`)、选择与操作数据(列、行、缺失值处理、数据类型转换、排序、分组聚合)以及保存DataFrame到CSV文件。通过学习这些基础,你将能轻松开始数据科学之旅。
|
1天前
|
数据挖掘 数据处理 Python
【Python DataFrame 专栏】Python DataFrame 入门指南:从零开始构建数据表格
【5月更文挑战第19天】本文介绍了Python数据分析中的核心概念——DataFrame,通过导入`pandas`库创建并操作DataFrame。示例展示了如何构建数据字典并转换为DataFrame,以及进行数据选择、添加修改列、计算统计量、筛选和排序等操作。DataFrame适用于处理各种规模的表格数据,是数据分析的得力工具。掌握其基础和应用是数据分析之旅的重要起点。
【Python DataFrame 专栏】Python DataFrame 入门指南:从零开始构建数据表格
|
1天前
|
机器学习/深度学习 数据处理 Python
如何利用Python实现高效的数据清理与预处理
数据清理和预处理是数据科学家和分析师工作中不可或缺的一环,而Python作为一门强大的编程语言,可以使这个过程变得更加高效和便捷。本文将介绍一些常见的数据清理和预处理技术,并演示如何使用Python来实现这些技术。
|
3天前
|
JSON JavaScript 数据格式
利用 python 分析基金,合理分析数据让赚钱赢在起跑线!(1)
利用 python 分析基金,合理分析数据让赚钱赢在起跑线!(1)
|
4天前
|
存储 JSON 数据格式
Python知识点——高维数据的格式化
Python知识点——高维数据的格式化
6 0
|
4天前
|
Python
Python知识点——文件和数据格式化
Python知识点——文件和数据格式化
8 0