手把手教你学会Python文件和数据格式化

手把手教你学会Python文件和数据格式化汇报人：XX2024-01-09contents目录Python文件基本操作数据格式化基础文件与数据格式化应用异常处理与文件操作安全性案例实战：利用Python进行数据清洗和格式化总结与展望01Python文件基本操作打开文件使用`open()`函数打开文件，需要指定文件路径和打开模式（如读取模式"r"、写入模式"w"、追加模式"a"等）。关闭文件使用`close()`方法关闭文件。关闭文件是一个良好的编程习惯，可以释放系统资源。打开与关闭文件使用`read()`方法一次性读取整个文件的内容。读取整个文件使用`readlines()`方法逐行读取文件内容，返回一个包含所有行的列表。逐行读取文件使用文件对象的`seek()`方法将文件指针移动到指定位置，然后使用`readline()`方法读取一行。读取指定行读取文件内容

写入文件内容写入整个字符串使用`write()`方法将一个字符串写入文件。写入多行数据使用`writelines()`方法将一个包含多行数据的列表或元组写入文件。追加数据到文件末尾以追加模式打开文件，然后使用`write()`或`writelines()`方法将数据追加到文件末尾。获取当前工作目录使用`os.getcwd()`方法获取当前工作目录的路径。拼接路径使用`os.path.join()`方法拼接路径，可以自动处理不同操作系统的路径分隔符。获取文件或目录的绝对路径使用`os.path.abspath()`方法获取文件或目录的绝对路径。分割路径使用`os.path.split()`方法分割路径，返回路径中的目录名和文件名。文件路径处理02数据格式化基础01整型（int）用于表示整数，如123、-456等。02浮点型（float）用于表示小数，如3.14、-2.718等。03字符串（str）用于表示文本数据，如"Hello,World!"。04列表（list）用于存储多个元素的有序集合，如[1,2,3]。05元组（tuple）与列表类似，但不可变，如(1,2,3)。06字典（dict）用于存储键值对的数据结构，如{"name":"John","age":30}。数据类型与转换03使用f-string进行格式化例如，name="John";f"Hello,{name}!"。01使用%操作符进行格式化例如，"Hello,%s!"%"World"。02使用format()方法进行格式化例如，"Hello,{}!".format("World")。字符串格式化使用format()方法进行数值格式化例如，"Thevalueis{:.2f}".format(3.14159)。使用%操作符进行数值格式化例如，"Thevalueis%.2f"%3.14159。使用math模块进行数值计算例如，importmath;math.sqrt(4)。数值格式化日期和时间格式化例如，datetime.strptime("2023-07-06","%Y-%m-%d")。使用strptime()方法进行日期和时间解析例如，fromdatetimeimportdatetime;now=datetime.now()。使用datetime模块进行日期和时间处理例如，now.strftime("%Y-%m-%d%H:%M:%S")。使用strftime()方法进行日期和时间格式化03文件与数据格式化应用处理CSV文件中的缺失值pandas提供了fillna()等方法来处理DataFrame中的缺失值。对CSV文件进行筛选和排序可以使用pandas的条件筛选和sort_values()函数来对数据进行筛选和排序。使用pandas库读取CSV文件通过pandas的read_csv()函数，可以方便地将CSV文件读入为DataFrame对象。读取CSV文件并进行处理010203将DataFrame对象写入CSV文件使用pandas的to_csv()函数，可以将DataFrame对象写入CSV文件。设置CSV文件的输出格式在to_csv()函数中，可以通过设置参数来改变CSV文件的输出格式，如设置分隔符、是否包含列名等。处理大数据量的写入对于大数据量的写入，可以使用pandas的chunksize参数来进行分块写入，以减少内存占用。将数据写入CSV文件01Python内置的json库提供了load()函数来读取JSON文件。使用json库读取JSON文件02通过json库的loads()函数，可以将JSON字符串解析为Python对象。解析JSON数据03对于嵌套的JSON数据，可以使用递归或循环的方式来访问和处理。处理嵌套的JSON数据读取JSON文件并进行处理将Python对象写入JSON文件使用json库的dump()函数，可以将Python对象写入JSON文件。设置JSON文件的输出格式在dump()函数中，可以通过设置参数来改变JSON文件的输出格式，如设置缩进、排序键等。处理大数据量的写入对于大数据量的写入，可以使用逐行写入的方式来减少内存占用。010203将数据写入JSON文件04异常处理与文件操作安全性123Python中异常可以是任何Python对象，但通常使用内置的Exception类或其子类。异常类型使用try/except语句块来捕获异常，并在except语句块中处理异常。捕获异常使用raise语句抛出一个异常，可以指定异常类型、值和traceback信息。抛出异常异常处理机制简介当文件不存在、路径错误或没有权限打开文件时，会抛出FileNotFoundError或PermissionError异常。文件打开异常文件读写异常文件关闭异常当文件读写过程中出现错误时，如磁盘空间不足、文件被其他程序占用等，会抛出IOError或OSError异常。当文件关闭过程中出现错误时，如文件已经被关闭或程序崩溃等，会抛出ValueError或RuntimeError异常。文件操作中的异常处理使用with语句可以自动管理文件的打开和关闭，确保文件在使用完毕后被正确关闭，即使在出现异常的情况下也能保证文件的关闭。使用with语句在进行文件操作前，可以先备份原文件，以防止操作失误导致文件损坏或数据丢失。备份文件在文件操作过程中，使用try/except语句块来捕获并处理可能出现的异常，以保证程序的稳定性和数据的完整性。异常处理确保文件操作安全性05案例实战：利用Python进行数据清洗和格式化某电商公司需要对其销售数据进行清洗和格式化，以便进行后续的数据分析和挖掘。从原始数据中提取出所需字段，进行数据清洗、转换和格式化，最终输出符合要求的数据文件。案例背景及需求分析需求分析案例背景数据读取使用Python中的pandas库读取原始数据文件，将其转换为DataFrame对象。数据清洗对DataFrame对象进行缺失值、异常值和重复值的处理，保证数据的准确性和完整性。数据转换根据需求对清洗后的数据进行转换，如数据类型转换、数据分箱等。数据清洗过程演示030201数据格式化格式化要求根据需求将数据格式化为特定的格式，如CSV、Excel、JSON等。格式化实现使用pandas库提供的to_csv、to_excel、to_json等方法将数据格式化为指定格式的文件，并保存到指定路径下。注意事项在格式化输出时需要注意编码问题，确保输出的文件可以正常打开和读取。同时，对于大量数据的输出，需要考虑性能和效率问题，选择合适的输出方式和参数配置。06总结与展望详细讲解了Python的变量、数据类型、控制流等基础语法知识。Python基础语法文件操作数据格式化案例实战介绍了文件的打开、读取、写入等操作，以及文件路径的处理和文件编码的设置。讲解了如何使用Python将数据格式化为JSON、XML等格式，以及如何处理这些数据格式。通过多个案例，让学员将所学知识应用到实际开发中，提高学员的实践能力。课程总结回顾学员A通过这次课程，我深入了解了Python文件和数据格式化的相关知识，感觉收获很大。学员B课程中的案例非常实用，让我能够将所学知识应用到实际开发中，非常棒！学员C老师的讲解非常详细，让我对Python文件和数据格式化有了更深入的了解。学