Python财经应用-编程基础、数据分析与可视化课件 第3章-Python文件操作-3.1文件相关的基本概念

Python财经应用：编程基础、数据分析与可视化第三章Python文件操作中国农业大学李辉Python

文件操作本章内容系统介绍了文件相关的概念、操作方法及其在财经数据分析中的应用。首先，从文件与路径的基本概念入手，讲解了文件编码、文本文件与二进制文件的区别，为后续操作奠定理论基础。接着，深入探讨了文件夹与目录操作，包括使用os.path模块获取路径信息、改变工作目录、目录与文件的创建、重命名和删除等操作，特别强调了文件夹操作在财务票据命名处理中的应用。随后，详细讲解了文件的基本操作，包括文件的打开与关闭、按行读写文件内容，以及使用fileinput对象高效处理大文件，展示了如何通过文件操作实现消费账单数据的读取与修改。最后，针对财经数据分析中常见的CSV文件，介绍了如何使用Python读取和写入CSV文件，为处理结构化数据提供了实用工具。01

文件相关的基本概念02

文件夹与目录操作03

文件的基本操作04

CSV文件读取与写入操作01

文件相关的基本概念02

文件夹与目录操作03

文件的基本操作04

CSV文件读取与写入操作3.1

文件相关的基本概念第三章Python文件操作文件系统是操作系统的重要组成部分，它规定了计算机对文件和目录进行操作处理的各种标准和机制。以此为基础，编程语言提供了文件类型，在程序中亦可通过文件实现数据的输入/输出。文件的输入/输出：指从已有的文件中读取数据，并将处理结果按照一定格式输出到文件中，适用于大批量的数据处理要求。操作系统对数据进行管理是以文件为单位的，当访问磁盘等外存上的数据时，必须先按文件名找到指定的文件，然后再从该文件中读取数据；如果要向外部介质（如硬盘等）上存储数据，也必须先建立一个文件，才能向其输出数据。在程序中对文件访问和处理时，情况是类似的，所有的操作都与文件的表示、文件的编码和文件的类型有着密不可分的关系。文件相关的基本概念文件相关的基本概念——文件与路径文件是存储在外部介质上的数据集合，通常可以长久保存，也称为磁盘文件。这种在计算机磁盘中保存的文件是通过目录来组织和管理的，目录提供了指向对应磁盘空间的路径地址。目录一般采用树状结构，在这种结构中，每个磁盘有一个根目录，它包含若干文件和子目录。子目录还可以包含下一级目录，这样类推下去形成了多级目录结构。访问文件需要知道文件所在的目录路径，这种从根目录开始标识文件所在完整路径的方式称为绝对路径。如果知道访问文件的程序与文件之间的位置关系，也可以采用相对路径，即相对于程序所在的目录位置建立其引用文件所在的路径。【例3-1】绝对路径示例。假定文件file.txt保存在D盘lecture目录的ex子目录下，那么包含绝对路径的文件名是由磁盘驱动器、目录层次和文件名三部分组成的，即D:\lecture\ex\file.txt，在Python中用字符串表示为："D:\\lecture\\ex\\file.txt"或"D:/lecture/ex/file.txt"文件相关的基本概念——文件与路径【例3-2】相对路径示例。假定文件file.txt保存在D盘的lecture目录的ex子目录下，源程序保存在D盘的lecture目录下，那么包含相对路径的文件名表示为ex\file.txt，在Python语言中用字符串表示为："ex\\file.txt"或者："ex/file.txt"注意：Windows系统建立路径所使用的几个特殊符号为：“.\”代表当前目录，“..\”代表上一层目录。在Python语言中，在表示路径的字符串中“/”可以等同于“\”，但必须转义为“\\”。文件相关的基本概念——文件的编码按照文件的编码方式，可将文件分为两种类型：文本文件和二进制文件。文本文件可以在Windows记事本中打开并选择编码方式保存。如图所示，使用“另存为”命令，在打开的对话框中，可选择ANSI、Unicode、Unicodebigendian和UTF-8等编码方式。文件相关的基本概念——文件的编码ANSI编码:对于一般的文本文档，记事本默认是以ANSI编码保存的。ANSI是由美国国家标准学会制定的编码，不同的国家和地区使用的标准不同，由此产生了GB2312、GBK、Big5、Shift_JIS等各自的编码标准。不同ANSI编码之间互不兼容，无法将属于两种语言的文字，如中文的GBK和日文的Shift_JIS，存储在同一段ANSI编码的文本中。但是对于ANSI编码而言，0x00～0x7F的字符，仍然是1字节代表1个字符，即ANSI的西文字符就是ASCII编码。文件相关的基本概念——文件的编码

Unicode编码：Unicode码是继ANSI编码之后推出的一种国际标准字符编码方法，它可以容纳全世界所有语言文字，每个字符都具有唯一的编码。对于ASCII码中的那些半角字符，Unicode码保持其原编码不变，只是将其长度由原来的8位扩展为16位，而对于其他文化和词语言的字符则全部重新统一编码。从Unicode编码开始，无论是半角的英文字母，还是全角的汉字，它们都被统一计为一个字符。文件相关的基本概念——文件的编码

UTF-8编码：Unicode字符集规定了如何用多字节表示各种文字。而如何在网络上传输这些编码，则是由Unicode字符集的传输规范UTF规定的，常见的规范包括UTF-8、UTF-16、UTF-32。UTF-8就是以8位为单元对Unicode字符集进行编码，即每次传输8位数据。为了保证传输时的可靠性，从Unicode到UTF并不是直接的对应，而是通过一些算法和规则来进行转换。对于Unicode编码在0000～007F内的字符，UTF-8用1字节来表示（等同于ASCII码值）；对于在0080～07FF内的字符，UTF-8用2字节来表示；对于在0800～FFFF内的字符，UTF-8用3字节来表示。也就是说，UTF-8最多用3字节来表示一个字符。文件相关的基本概念——文件的编码

Unicodebigendian编码：记事本中的Unicode是littleendian编码。Unicodebigendian和littleendian的区别在于处理多字节数的方式不同。例如，“百”字的Unicode编码是767E，那么写到文件里时，如果将“76”写在前面，就是bigendian；而将“7E”写在前面，就是littleendian。相比而言，Unicodebigendian更常用些。Python语言的文件编码：在Python3.x版本中，文件的默认编码格式是UTF-8，字符串使用的是Unicode编码。所有的文本类型，都使用Unicode编码，可以直接使用str.encode()进行编码，encode()后可看到字符的UTF-8编码，再使用bytes.decode()可解码为文本。文件相关的基本概念——文本文件和二进制文件的区别文本文件：基于字符编码的文件，常见的编码有ASCII编码和Unicode编码等，其文件的内容就是字符。Python2.x版本使用的是ASCII编码值，在处理汉字等多字节字符时相对比较烦琐。而在Python3.x版本中，文本文件是以字符的Unicode码值进行存储和编码的。二进制文件：基于值编码的文件，存储的是二进制数据，也就是说，数据是按照其实际占用的字节数来存放的。文件相关的基本概念——文本文件和二进制文件的区别文本文件与二进制文件的不同还表现在：文本文件用通用的记事本就可以浏览，具有可读性，因此，在存取时需要编/解码，从而花费一定的转换时间；而二进制文件的存取是直接的值处理，不需要编/解码，不存在转换时间，但通常无法直接读懂。从文件的逻辑结构看，Py