訪問數據往往是使用各種分析工具的第一步，數據文件與數據格式常常有很多種，通過python對數據文件的訪問包括對文件的讀取和寫入，主要總結數據形式包括常用的txt，csv，json格式，Excel格式。
Python的文件讀取與寫入
1 讀寫txt文本
1.1 讀取txt文件
訪問txt文本，可以通過python自帶的open方法打開，open方法內寫入文本所在的路徑，即可打開文本
語句舉例如下：
txt_path = "./data/NewStudents.txt"
f = open(txt_path)
f.read()
f.close()
讀取結果爲：
1.2 寫入txt
寫入文件使用的方法是write(str)，但是文件打開的時候是不能直接寫入的，默認是可讀打開的，因此，在使用open方法時，需要對參數模式進行修改，常用的參數模式有以下幾個：
| 模式 | 描述 |
|---|---|
| r | 以讀的方式打開，可讀取文件，默認的打開方式0 |
| w | 以寫的方式打開，可寫入文件。若文件存在，則清空重新寫入 |
| a | 以追加的方式打開，如果文件不存在，則先創建再寫入 |
| r+ | 以讀寫的方式打開，可對文件進行讀寫操作 |
| w+ | 消除文件內容，然後以讀寫方式打開 |
| a+ | 以讀寫的方式打開，並從內容末尾處追加 |
| b | 以二進制模式打開而非文本方式，只對Windows或Dos有效 |
舉例如下：
txt_path1 = "./data/OutNewStudents.txt"
f1 = open(txt_path1, 'r+')
f1.write(str)
f1.close()
將上述剛剛讀取的文本寫入到OutNewStudents.txt文件中，可以使用上述讀取的代碼修改一下，打開看該文件，會發現該文件中有上述讀取的內容。
對於詳細的文本文件添加方法有很多其他知識點，可以參考Python讀寫txt文本文件的更深的知識點。
2 讀寫csv文件
2.1 讀取csv文件
1 使用pandas讀取
使用read_csv方法進行讀取，併成爲DataFrame格式,具體代碼舉例如下：
import pandas as pd
csv_path = "./data/BuyOrNot.csv"
csv_data = pd.read_csv(csv_path)
csv_data.head()
讀取的結果放入到csv_data中，通過head()方法展示其中一部分數據，結果如下：
在讀取過程中，也可以對數據進行一定的處理，因此有幾個參數在read_csv方法中經常使用到，通過代碼來進行解釋：
# 常用參數1 sep:文件內容分隔符
csv_data1 = pd.read_csv(csv_path, sep=",")
# 常用參數2：header=None，是否使用表格頭部
csv_data2 = pd.read_csv(csv_path, header=None)
# 常用參數3：names:指定新的列名，index_col:指定新的列索引
csv_data3 = pd.read_csv(csv_path, names=["col1", "col2", "col3", "col4"], index_col=['col1', 'col2'])
# 常用參數4：skiprows:來跳過表格中的某幾行，na_values:用來處理異常和缺失值，即把指定的數值替換成NAN值
sentinels = {'age': [41, 47]} #這裏把年齡爲41和47的值替換爲NAN
csv_data4 = pd.read_csv(csv_path,na_values=sentinels)
2. 使用系統csv模塊讀取
與讀取txt文本類似，可以對文件使用open方法得到文件型對象，然後對讀取的文件型對象傳遞給csv.reader()方法,，具體代碼舉例如下
import csv
f = open(csv_path)
csv_reader = csv.reader(f)
# csv_reader 是文件對象，可通過遍歷生產列表List
for line in csv_reader:
print(line)
在上述執行結果中，輸出的line爲list類型而不是DataFrame類型數據
2.2 寫入csv
使用pandas對象中的to_csv方法寫入文件,具體代碼的例子如下：
to_path = "./data/out_BuyOrNot.csv"
csv_data.to_csv(to_path,)
這裏的待寫入的文件在文件路徑中要存在，否則寫入文件時會提示找不到文件而報錯
3 讀寫json格式數據
json數據類似於字典，解析json數據往往是讀取其中的文本，然後進行分析
3.1 讀取字符串
通過引用json模塊，來進行字符串的讀取
loads方法：使用python將json字符串解析爲Python中的字典數據，具體代碼舉例如下：
import json
myobj = """
{
"name":"Tom",
"place_lived":["US","China"],
"pet":null,
"siblings":[
{"name":"Sot","age":30,"pets":["dog","cat"]},
{"name":"cindy","age":29,"pets":["pig","ant"]}]
}
"""
# loads方法：將json字符串加載爲python中字典的形式，字符串中的鍵需要使用雙引號包含起來
json_data = json.loads(myobj)
json_data
上述代碼中，myobj是json形式的字符串，使用loads方法對字符串進行解析，展示的結果如下：
{‘place_lived’: [‘US’, ‘China’], ‘siblings’: [{‘age’: 30, ‘pets’: [‘dog’, ‘cat’], ‘name’: ‘Sot’}, {‘age’: 29, ‘pets’: [‘pig’, ‘ant’], ‘name’: ‘cindy’}], ‘name’: ‘Tom’, ‘pet’: None}
在上述過程中，解析後的json_data數據是dict類型
3.2 轉換爲字符串
將字典形式的數據解析爲json文本字符串，使用的方法是dumps方法，具體舉例如下：
# dumps方法：將json字典解析爲字符串
get_json = json.dumps(json_data)
print(type(json_data),type(get_json))
將上述解析後得到的dict數據轉換成文本，可以看到得到的兩種類型輸出分別爲：<class ‘dict’> <class ‘str’>
4 讀寫Excel數據
Excel的格式包括xlsx格式和xls格式
4.1 讀取Excel
1.使用pandas進行讀取
讀取需要兩個步驟：
- 使用ExcelFile方法，將xls或xlsx文件的路徑傳入，生成一個實例
- 通過pandas.read_excel方法讀取到DataFrame中
舉例如下：
現在有表格Customer.xls，有三個子表，包括Sheets1,Customer1和Customer2三個子表展示如下圖，現在要讀取Customer1子表內的數據。
excel_path = "./data/Customer.xls"
xls_get = pd.ExcelFile(excel_path)
xls_data = pd.read_excel(xls_get, ''Customer1'')
xls_data
在上述代碼中，首先通過 pd.ExcelFile（）將文件生產一個實例，然後通過pd.read_excel（）將Customer1讀取到DataFrame中，展示的結果如下：
4.2 寫入Excel
使用pandas寫入excel需要兩個步驟
- 生成一個ExcelWriter
- 使用pandas對象的to_excel方法直接將數據寫入
具體舉例如下，現在有一個表格put_Customer.xls，將上述讀取的Customer1子表內的數據存放到put_Customer.xls表格中的Sheet1子表內，具體代碼如下：
put_path = "./data/put_Customer.xls"
xls_put = pd.ExcelWriter(put_path)
xls_data.to_excel(put_path,'Sheet1')
也可以將文件路徑直接傳給to_excel，避免直接調用ExcelWriter，即：
xls_data.to_excel(put_path,'Sheet1')