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())

1
2
3
4
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"
            }
        }
    }
}

}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
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)
1
2
3
4
打印如下：

{'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'}}}}}
1
2
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'['GlossList'])
1
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'}}
1
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)    

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
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)

1
2
3
4
5
6
7
8
9
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))
1
2
3
4
5
6
7
8
9
打印结果为：

Closing remaining open files:dataset_log.h5...done