Python 输入输出与文件处理: io、pickle、json、csv、os.path 模块详解

简介: Python 输入输出与文件处理: io、pickle、json、csv、os.path 模块详解

Python 提供了强大的输入输出和文件处理工具,通过 io、pickle 和 json 等模块,开发者可以轻松处理文件、序列化和反序列化数据,并在不同格式之间进行转换。在本文中,我们将深入介绍这些模块的用法和实际示例。


1. io 模块:强大的输入输出工具


io 模块提供了对文件 I/O 进行灵活处理的能力。它支持文本文件和二进制文件的读写操作,包括读取、写入、追加等。

示例 1:读取文本文件并打印内容

with open('file.txt', 'r') as file:
    content = file.read()
    print(content)


示例 2:写入数据到文件

with open('output.txt', 'w') as file:
    file.write('Hello, I/O!')


2. pickle 模块:对象序列化工具


pickle 可以将 Python 对象序列化为字节流,便于存储和传输,同时也能将字节流反序列化为 Python 对象。


示例 3:将对象序列化并保存到文件

import pickle

data = {'name': 'Alice', 'age': 30}
with open('data.pickle', 'wb') as file:
    pickle.dump(data, file)


示例 4:从文件中反序列化对象

with open('data.pickle', 'rb') as file:
    loaded_data = pickle.load(file)
    print(loaded_data)
    # 输出:{'name': 'Alice', 'age': 30}


3. json 模块:处理 JSON 数据


json 模块提供了处理 JSON 数据的工具,可以实现 JSON 数据的编码和解码。


示例 5:将 Python 数据转换为 JSON 字符串并保存到文件

import json

data = {'name': 'Bob', 'age': 25}
with open('data.json', 'w') as file:
    json.dump(data, file)


示例 6:从 JSON 文件中读取数据并解码为 Python 对象

with open('data.json', 'r') as file:
    loaded_data = json.load(file)
    print(loaded_data)
    # 输出:{'name': 'Bob', 'age': 25}


4. csv 模块:处理 CSV 文件


csv 模块专门用于读写 CSV(逗号分隔值)文件,能够方便地处理表格数据。


示例 7:读取 CSV 文件并处理数据

import csv

with open('data.csv', 'r') as file:
    reader = csv.reader(file)
    for row in reader:
        print(row)


示例 8:写入数据到 CSV 文件

data = [
    ['Name', 'Age'],
    ['Alice', 30],
    ['Bob', 25]
]

with open('output.csv', 'w', newline='') as file:
    writer = csv.writer(file)
    writer.writerows(data)


5. os.path 模块:路径操作工具


os.path 模块提供了对路径字符串进行操作的方法,包括路径拼接、文件名提取、检查文件是否存在等。


示例 9:路径操作和文件检查

import os

path = '/path/to/some/file.txt'

# 提取文件名
print(os.path.basename(path))  # 输出:file.txt

# 检查文件是否存在
print(os.path.exists(path))   # 输出:True

# 获取文件的绝对路径
print(os.path.abspath(path))  # 输出:/full/path/to/some/file.txt


以上示例详细介绍了 io、pickle 和 json等模块在文件读写、数据序列化和反序列化方面的用法。如处理 CSV 格式的表格数据、对文件路径进行操作等。通过这些模块,开发者能够轻松处理不同类型的文件和数据,实现数据的持久化存储、交换和恢复。


目录
相关文章
|
Python
正则表达前一个元素出现零次或多次
正则表达前一个元素出现零次或多次
519 3
|
资源调度 Java 流计算
flink yarn-per-job提交报错
flink yarn-per-job提交这个是什么问题吗,主机端口都是正常的,就报了拒绝连接?image.png 一提交到yarn就报这个错,然后失败,提交命令 flink run -t yarn-per-job -c app.dwm.UVFilterDetail /root/gmall_flink/flink_app/gmall-start-try-self-do-1.0-SNAPSHOT-jar-with-dependencies.jar,yarn-session提交是正常的,就per-job有问题?
255 1
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能的未来:机器学习与深度学习的融合之旅
【9月更文挑战第35天】在这篇文章中,我们将深入探讨人工智能的两大支柱——机器学习和深度学习。我们将通过代码示例和实际应用案例,揭示它们如何相互补充,共同推动AI技术的发展。无论你是初学者还是有经验的开发者,这篇文章都将为你提供宝贵的见解和启示。
254 0
|
物联网 5G
Wi-Fi 7:主要功能、优势和与前代的改进
【8月更文挑战第23天】
1354 0
|
监控 测试技术 持续交付
|
安全 Swift iOS开发
Swift 与 UIKit 在 iOS 应用界面开发中的关键技术和实践方法
本文深入探讨了 Swift 与 UIKit 在 iOS 应用界面开发中的关键技术和实践方法。Swift 以其简洁、高效和类型安全的特点,结合 UIKit 丰富的组件和功能,为开发者提供了强大的工具。文章从 Swift 的语法优势、类型安全、编程模型以及与 UIKit 的集成,到 UIKit 的主要组件和功能,再到构建界面的实践技巧和实际案例分析,全面介绍了如何利用这些技术创建高质量的用户界面。
303 2
|
机器学习/深度学习 数据挖掘 云计算
Python在哪些领域应用广泛?
【7月更文挑战第2天】Python在哪些领域应用广泛?
588 56
|
机器学习/深度学习 人工智能 自然语言处理
深度学习之复杂推理与逻辑学习
基于深度学习的复杂推理与逻辑学习是当前人工智能领域中的一个前沿研究方向,旨在结合深度学习与传统逻辑推理的优势,使机器能够在处理复杂任务时具备更强的推理能力。
334 2
|
机器学习/深度学习 人工智能 自动驾驶
深度学习的奇迹:如何用神经网络识别图像
【10月更文挑战第33天】在这篇文章中,我们将探索深度学习的奇妙世界,特别是卷积神经网络(CNN)在图像识别中的应用。我们将通过一个简单的代码示例,展示如何使用Python和Keras库构建一个能够识别手写数字的神经网络。这不仅是对深度学习概念的直观介绍,也是对技术实践的一次尝试。让我们一起踏上这段探索之旅,看看数据、模型和代码是如何交织在一起,创造出令人惊叹的结果。
184 0
|
人工智能 搜索推荐 5G