Python金融大数据分析课件 第6章 文件操作

第6章

文件操作汇报人:时间:2025/01/01

学习目标掌握文件操作的应用掌握目录操作的应用掌握读写docx及xlsx文件掌握jieba库、wordcloud库的应用目录01文件基本操作02读/写docx文件03读/写xlsx文件04目录操作05jieba库06wordcloud库的安装与使用07金融数据实战文件基本操作01文件是数据存储的一种形式，文件有2种类型：文本文件：由单一特定编码组成的文件，如UTF-8编码；由于存在编码，也被看成是存储着的长字符串，适用于例如：.txt文件、.py文件等。二进制文件：直接由比特0和1组成，没有统一字符编码，一般存在二进制0和1的组织结构，即文件格式-

适用于例如：.png文件、.avi文件等。如：一组词语："中国"；

文本形式：中国；二进制形式：b'\xd6\xd0\xb9\xfa'文件形式6.1文件基本操作文本文件和二进制文件的操作流程都是一样的，通常要经过三个步骤：打开或创建文件、对文件进行读写操作、关闭文件。6.1.1打开/创建文件Python提供了内置函数open()用于打开文件，其语法格式如下：open(file_name[,access_mode])参数说明：file_name：要打开或创建的文件名，需要用单引号或双引号括起来。如果要打开的文件不在当前目录下，要指定完整路径。access_mode：指打开文件的模式，对应只读，写入，追加等。access_mode变量值不是必须的，默认访问模式为只读（r），各个参数取值见表6-1。6.1.1打开/创建文件表6-1access_mode参数取值说明取值说明'r'以只读方式打开文件，文件的指针将会放在文件的开头。'w'以只写模式打开文件。如果该文件已存在则打开文件，并清除原有文件内容。如果该文件不存在，创建新文件。'x'写模式，新建一个文件，如果该文件已存在则会报错。'a'追加写模式。如果该文件已存在则在末尾追加。如果该文件不存在，创建新文件写入。‘b’二进制模式，可与其他模式组合使用。'rb'，'wb'，'xb'，ab'以二进制模式，只读、只写、创建新文件、打开文件追加。'rt'，'wt'，'xt'，'at'文本模式（默认）。'+'打开一个文件进行更新(可读可写)。6.1.1打开/创建文件示例：>>>file0=open(‘f.txt’,’rt’)#以文本形式打开文件>>>file1=open(‘picture.png’,’rb’)

#picture是一个图片文件，使用二进制方式打开该文件>>>file2=open('text.txt','r',encoding='utf-8')

#打开使用utf-8编码方式的文件6.1.1打开/创建文件在Python中，with

语句是处理文件操作的推荐方式，它能自动管理文件资源（无需手动调用

close()），即使发生异常也能保证文件正确关闭，避免资源泄露。语法格式如下：withopen(文件路径,打开模式,encoding=编码格式)as文件对象:

#对文件对象的操作（读取/写入等）#缩进结束后，文件自动关闭示例：#读取文本文件（utf-8编码）withopen("test.txt","r",encoding="utf-8")asf:content=f.read()#读取全部内容为字符串print(content)6.1.2读写取文件1将数据写入文件函数的使用顺序优先复用内置与标准库函数，再考虑第三方函数，最后才是自定义函数。这种顺序可减少重复开发，提高开发效率，同时保证代码的稳定性和兼容性。文件写入有两个常用方法分别是write()和writelines()。操作方法描述<f>.write(s)向文件写入一个字符串或字节流

>>>f.write("今天天气很好！")

<f>.writelines(lines)将一个元素全为字符串的列表写入文件

>>>ls=["中国","法国","美国"]

>>>f.writelines(ls)

中国法国美国6.1.2读写取文件2从文件读取数据函数的使用顺序优先复用内置与标准库函数，再考虑第三方函数，最后才是自定义函数。这种顺序可减少重复开发，提高开发效率，同时保证代码的稳定性和兼容性。常用的文件读取方法有read(size)、readline()和readlines()。操作方法描述<f>.read(size=-1)

读入全部内容，如果给出参数，读入前size长度

>>>s=f.read(2)<f>.readline(size=-1)读入一行内容，如果给出参数，读入该行前size长度

>>>s=f.readline()

今天天气很好！<f>.readlines(hint=-1)读入文件所有行，以每行为元素形成列表；如果给出参数，读入前hint行

>>>s=f.readlines()

['今天天气很好！']6.1.3关闭文件函数的使用顺序优先复用内置与标准库函数，再考虑第三方函数，最后才是自定义函数。这种顺序可减少重复开发，提高开发效率，同时保证代码的稳定性和兼容性。通常使用使用close()方法关闭文件。其语法格式如下：file.close()其中，file为打开的文件对象。close()方法是先刷新缓冲区中还没写入的信息，然后关闭文件，这样可以将没有写入文件的内容写入文件，在关闭文件之后便不能进行写入操作了。读/写docx文件026.2读/写docx文件文档字符串示例例如，在比较两数大小的函数中，文档字符串可说明输入参数类型、返回值含义，帮助使用者快速了解函数的使用方法。在Python中，处理docx文件最常用的库是python-docx，它可以方便地实现docx文件的读取和写入操作。1安装依赖库首先需要安装python-docx库，打开终端执行以下命令：>>>pipinstallpython-docxpython-docx库读写docx文档主要涉及三个结构对象，Document文档对象、Paragraph段落对象和Run文字块对象。Document：是一个word文件对象，Document是独立的，打开不同的word文件，就会有不同的Document对象，相互之间没有影响。Paragraph：是一个段落对象，一个word文档由多个段落组成，当在一个文档中输入一个回车键，就会成为新的段落，输入shift+回车，不会分段。Run：表示一个节段，每个段落由多个节段组成，一个段落中具有相同样式的连续文本，组成一个节段，所以一个段落对象有个Run列表。2读docx文件示例：importdocx#导入库 doc=docx.Document(r'test.docx') print(len(docx.paragraphs))#输出总的段落数 print(docx.paragraphs[0].text)#读取word文档中的第一段内容

6.2读/写docx文件foriinrange(2,5):#指定读取word某几段内容 print(docx.paragraphs[i].text) forparagraphindocx.paragraphs:#读取word中所有的内容 print(paragraph.text) #读取word表格中的内容 fortindocx.tables:#for循环获取表格对象 forrowint.rows:#获取每一行 row_str=[] forcellinrow.cells: row_str.append(cell.text) print(row_str)6.2读/写docx文件

3写数据到docx文件6.2读/写docx文件要先创建文档，调用Document文档对象的方法实现写入，最后保存。Document文档对象方法含义见表6-2。表6-2

Document文档对象方法方法说明add_heading()添加标题add_paragraph()添加段落add_run()添加文字块add_page_break()添加空白页add_table()添加表格add_picture()添加图片doc.save()保存读写xlsx文件036.3读/写xlsx文件文档字符串示例例如，在比较两数大小的函数中，文档字符串可说明输入参数类型、返回值含义，帮助使用者快速了解函数的使用方法。

处理xlsx文件，主要用到库：openpyxl，专门用于读写Excel2010及以上版本的.xlsx文件，功能强大，支持单元格样式、公式、图表等复杂操作，适合需要精细控制Excel内容的场景。1安装依赖库首先需要安装openpyxl库，打开终端执行以下命令：>>>pipinstallopenpyxl

2读xlsx文件示例：fromopenpyxlimportload_workbook#打开Excel文件wb=load_workbook("test.xlsx")#获取所有工作表名称sheet_names=wb.sheetnamesprint("工作表名称:",sheet_names)#选择第一个工作表（或按名称选择：wb["Sheet1"]）ws=wb.active#读取单元格数据print("\nA1单元格值:",ws["A1"].value)print("B2单元格值:",ws.cell(row=2,column=2).value)#遍历行数据print("\n所有数据:")forrowinws.iter_rows(min_row=1,max_row=ws.max_row,values_only=True):print(row)#关闭文件wb.close()6.3读/写xlsx文件3写入xlsx文件示例：fromopenpyxlimportWorkbookfromopenpyxl.stylesimportFont,PatternFill#创建新的Excel文件wb=Workbook()#获取默认工作表ws=wb.activews.title="数据表格"#修改工作表名称#写入单元格数据ws["A1"]="姓名"ws["B1"]="年龄"ws["C1"]="城市"6.3读/写xlsx文件#批量写入数据data=[["张三",25,"北京"],["李四",30,"上海"],["王五",22,"广州"]]forrowindata:ws.append(row)#设置单元格样式（表头加粗、背景色）header_font=Font(bold=True,color="FFFFFF")header_fill=PatternFill(start_color="4472C4",end_color="4472C4",fill_type="solid")forcellinws[1]:#第一行（表头）cell.font=header_fontcell.fill=header_fillwb.save("output.xlsx")#保存文件print("文件写入成功！")6.3读/写xlsx文件目录操作046.4

目录操作文档字符串示例例如，在比较两数大小的函数中，文档字符串可说明输入参数类型、返回值含义，帮助使用者快速了解函数的使用方法。目录的操作需要使用内置的os和os.path模块实现。常见的目录操作主要有判断目录是否存在、创建目录、删除目录和遍历目录等。6.4.1os和os.path模块在使用Python中内置的os和其子模块os.path对目录或文件进行操作时，需要先使用import语句将其导入(在导入os模块后os.path也可以被使用)，具体代码如下:importosos模块所提供的用于操作目录的函数见表6-8。6.4.1os和os.path模块文档字符串示例例如，在比较两数大小的函数中，文档字符串可说明输入参数类型、返回值含义，帮助使用者快速了解函数的使用方法。表6-8

os模块用于操作目录的函数函数说明getcwd()返回当前的工作目录listdir(path)返回指定路径下的文件和目录信息mkdir(path[,mode])创建目录makedirs(path1/path2/…[,mode])创建多级目录rmdir(path)删除目录removedirs(path1/path2/…)删除多级目录chdir(path)把path设置为当前目录walk(top[,topdown[,onerror]])遍历目录树，该方法返回一个元组，包括所有路径名、所有目录列表和文件列表3个元素6.4.1os和os.path模块文档字符串示例例如，在比较两数大小的函数中，文档字符串可说明输入参数类型、返回值含义，帮助使用者快速了解函数的使用方法。os.path模块所提供的用于操作目录的函数见表6-9。表6-9

os.path模块用于操作目录的函数函数说明abspath(path)获取文件或目录的绝对路径exists(path)判断文件或目录是否存在，存在则返回Ture否则返回Falsejoin(path,name)将目录与目录或目录与文件名称拼接起来splitext()分离文件名与扩展名basename(path)从目录中提取文件名dirname(path)从路径中提取文件路径但不包括文件名isdir(path)判断是否为路径6.4.2

路径文档字符串示例例如，在比较两数大小的函数中，文档字符串可说明输入参数类型、返回值含义，帮助使用者快速了解函数的使用方法。找到文件或目录往往需要一个准确的路径，通常会涉及到相对路径和绝对路径这两种路径。1.相对路径相对路径是依赖于当前工作目录的，当前工作目录指的是当前文件所在的目录，在Python中，可以通过os模块所提供的getcwd()函数获取当前工作目录，示例： importos print(os.getcwd())输出: E:\progrsm\Python\Code#显示当前工作目录如果在当前工作目录下有一个子目录demo，并在该子目录下有一个文件student.txt，则打开此文件操作：withopen(“demo/student.txt”)asfile: pass6.4.2

路径文档字符串示例例如，在比较两数大小的函数中，文档字符串可说明输入参数类型、返回值含义，帮助使用者快速了解函数的使用方法。2.绝对路径绝对路径指文件的实际路径，并不依赖于当前工作目录。在Python中，可以通过os.path模块所提供的abspath()函数获取一个文件的绝对路径，示例：importos print(os.path.abspath(r”demo\student.txt”))输出: E:\progrsm\Python\Code\demo\student.txt#显示当前文件绝对路径6.4.3

判断目录是否存在文档字符串示例例如，在比较两数大小的函数中，文档字符串可说明输入参数类型、返回值含义，帮助使用者快速了解函数的使用方法。如果需要判断给定的目录或文件是否存在，可以通过os.path模块提供的exists()函数实现，exists()函数的基本语法为：os.path.exists(path)其中，path是要需要被判断的目录，可以是绝对路径，也可以是相对路径（判断文件是否存在时path填写的是文件的路径）。执行语句后返回值为True表示给定的路径存在，返回值为False则表示给定的路径不存在。6.4.4

创建/删除/遍历目录文档字符串示例例如，在比较两数大小的函数中，文档字符串可说明输入参数类型、返回值含义，帮助使用者快速了解函数的使用方法。1.创建目录（1）创建一级目录创建一级目录指一次只能创建一级目录，通过使用os模块提供的mkdir()函数实现。通过该函数只能供创建指定路径中的最后一级目录，其基本语法如下：os.mkdir(path,mode=0777)参数说明：

path：用于指定要创建的目录，可以使用绝对路径，也可以使用相对路径。

mode：用于指定数值模式，默认值为0777，该参数在UNIX操作系统上无效或是被忽略。6.4.4

创建/删除/遍历目录文档字符串示例例如，在比较两数大小的函数中，文档字符串可说明输入参数类型、返回值含义，帮助使用者快速了解函数的使用方法。（2）创建多级目录通过使用os模块提供的makedirs()函数可创建多级目录，该函数采用的是递归的方式创建目录，其基本语法如下：os.makedirs(name,mode=0o777,exist_ok=False)参数说明：name(必选)：指定要创建的目录，可以是绝对路径，也可以是相对路径。mode(可选)：指定数值模式，默认值为0777，该参数在UNIX操作系统上无效或是被忽略。exist_ok(可选)：若设为True，当路径已存在时不报错；设为False（默认）时若路径已存在则抛出FileExistsError。6.4.4

创建/删除/遍历目录文档字符串示例例如，在比较两数大小的函数中，文档字符串可说明输入参数类型、返回值含义，帮助使用者快速了解函数的使用方法。2.删除目录

通过使用os模块提供的rmdir()函数可以实现删除目录，需要注意的是，当目录为空时才可以使用rmdir()函数删除，rmdir()函数的基本语法如下：os.rmdir(path)3.遍历目录通过使用os模块中的中的walk()函数可以实现遍历目录的功能，只在Windows操作系统和UNNIX操作系统中有效。walk()函数的基本语法如下：os.walk(top[,topdown][,onerror][,followlinks])各个参数含义见表6-10。表6-10

walk()函数基本语法的解释元素说明top指定要遍历内容的根目录topdowm可选参数，用于指定遍历的顺序，默认值为True。True表示从根目录开始遍历，False表示从最后一级子目录开始遍历onerror可选参数，用于指定错误的处理方式，默认忽略。通常情况下采用默认，如果不想忽略可以指定错误处理函数followlinks可选参数，默认情况下walk()函数不会向下转换成解析到目录的符号链接，该参数值为True表示用于指定在支持的系统上访问由符号链接指向的目录6.4.4

创建/删除/遍历目录jieba库056.5jieba库文档字符串示例例如，在比较两数大小的函数中，文档字符串可说明输入参数类型、返回值含义，帮助使用者快速了解函数的使用方法。

jieba是一个优秀的第三方库，用于中文分词，提供了三种分词模式，需要额外安装。1安装依赖库

首先需要安装jieba库，打开终端执行以下命令：>>>pipinstalljieba2jieba库的使用表6-11

jieba库的三种模式模式说明jieba.cut(s)精确模式，把文本精确地切分开，不存在冗余单词jieba.lcut(s,cut_all=True)全模式，把文本中所有可能的词语都扫描出来，存在冗余jieba.lcut_for_search(s)搜素引擎模式，在精确模式的基础上，对长词再次切分6.5jieba库文档字符串示例例如，在比较两数大小的函数中，文档字符串可说明输入参数类型、返回值含义，帮助使用者快速了解函数的使用方法。示例：importjiebaprint(jieba.lcut("中华人民共和国是一个伟大的国家"))#精确模式print(jieba.lcut("中华人民共和国是一个伟大的国家",cut_all=True))#全模式print(jieba.lcut_for_search("中华人民共和国是一个伟大的国家"))#搜索引擎模式输出：['中华人民共和国','是','一个','伟大','的','国家']['中华','中华人民','中华人民共和国','华人','人民','人民共和国','共和','共和国','国是','一个','伟大','的','国家']['中华','华人','人民','共和','共和国','中华人民共和国','是','一个','伟大','的','国家']6.5jieba库文档字符串示例例如，在比较两数大小的函数中，文档字符串可说明输入参数类型、返回值含义，帮助使用者快速了解函数的使用方法。3自定义词典可以使用jieba.load_userdict(path)加载自定义词典，path是自定义文件的路径。自定义词典在运行过程中能够起到一定的作用，可以通过自定义词典来增强歧义纠错的能力。参照如下模板，可以进行文本文件的分词以及词频统计：txt=open(“此处填写包含文件名的文件路径”).read#读取文件内容forchin'!"#$%()*+<_>/:;<>=?@[\]\^_{}|~':txt=txt.replace(ch,'')#将文本中含有的所有上述字符都变为空格returntxtwords=jieba.lcut(txt)counts={}#定义一个空字典类型，使单词和该单词出现的次数作为一个键值对forwordinwords:#遍历words列表的每一个值 iflen(word)==1 continue else:counts[word]=counts.get(word,0)+1items=list(counts.items())#将该字典转化成一个列表,其中的键值对是以元组的形式存在items.sort(key=lambdax:x[1],reverse=True)foriinrange(10):word,count=items[i]print("{:<10}{:>5}".format(word,count))#统计文件中出现次数排名前10的单词6.5jieba库wordcloud库的安装与使用06wordcloud是一个用于生成词云的第三方库，以词语为基本单位，将出现的词语展示在一个图片中，根据不同词