这是我参与11月更文挑战的第15天。
一、写在前面
本系列学习笔记参考书籍： 《数据分析实战》托马兹·卓巴斯，会将自己学习本书的笔记分享给大家，同样开成一个系列『数据分析从零开始实战』。
上一篇文章中带大家了解了数据分析基础，配置好了数据分析的基本环境，以及利用
pandas
模块读写csv文件，在本文开头，我也补充了csv与tsv的基本介绍与区别，意在更好的让大家理解相关知识点，本文将带大家继续学习文件读取。
点击查看第一篇文章：# 数据分析从零开始实战，Pandas读写CSV数据
二、上节补充
CSV
逗号分隔值（Comma-Separated Values，CSV，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。
TSV
TSV 是Tab-separated values的缩写，即制表符分隔值。
Python的csv模块准确的讲应该叫做dsv模块，因为它实际上是支持范式的分隔符分隔值文件（DSV，delimiter-separated values）的。
delimiter参数值默认为半角逗号，即默认将被处理文件视为CSV。
当`delimiter='\t'`时，被处理文件就是TSV。
三、基本知识概要
1.利用pandas读写tsv文件
2.利用pandas读写json文件
四、开始动手动脑
1.利用pandas读写tsv文件
在文章开头我已经说明了csv与tsv的差别，相信部分看过第一篇文章的读者应该知道怎么处理tsv文件了。
csv与tsv只是内容的分隔符不一样，前者是
,
,后者是
\t
，python读取这两类文件都使用
csv
模块，也可以直接利用
pandas
,这里我们讲利用pandas读取方式，使用的函数
read_csv()
与
to_csv()
在上一篇 文章中有详细介绍，这里我直接上案例代码。
(1) 读取tsv文件代码
import pandas as pd
import os
# 获取当前文件父目录路径
father_path = os.getcwd()
# 原始数据文件路径
rpath_tsv = father_path+r'\data01\city_station.tsv'
# 读取数据
tsv_read = pd.read_csv(rpath_tsv, sep="\t")
# 显示数据前10条
print(tsv_read.head(10))
运行结果
站点名 代号
0 北京北 VAP
1 北京东 BOP
2 北京 BJP
3 北京南 VNP
4 北京西 BXP
(2) 写tsv文件代码
import pandas as pd
import os
# 获取当前文件父目录路径
father_path = os.getcwd()
# 保存数据文件路径
path_tsv = father_path+r'\data01\temp_city.tsv'
data = {"站点名": ["北京北", "北京东", "北京", "北京南", "北京西"],
"代号": ["VAP", "BOP", "BJP", "VNP", "BXP"]}
df = pd.DataFrame(data)
df.to_csv(path_tsv, sep="\t", index=False)
运行结果
(3)号外加餐
利用csv模块也可以直接读取csv和tsv文件
csv.reader(csvfile, dialect='excel', **fmtparams)
csv.writer(csvfile, dialect='excel', **fmtparams)
-
csvfile，必须是支持迭代(Iterator)的对象，可以是文件(file)对象或者列表(list)对象，如果是文件对
象，打开时需要加"b"标志参数。
- qdialect，编码风格，默认为excel的风格，也就是用逗号（,）分隔，dialect方式也支持自定义
- fmtparam，格式化参数，用来覆盖之前dialect对象指定的编码风格。
2.利用pandas读写json文件
(1)利用pandas读取json文件
import pandas as pd
import os
# 获取当前文件父目录路径
father_path = os.getcwd()
# 原始数据文件路径
rpath_json = father_path+r'\data01\realEstate_trans.json'
json_read = pd.read_json(rpath_json)
# 输出头10行记录
print(json_read.head(10))
运行结果
函数解析
read_json(path_or_buf,orient,encoding,numpy)
常见参数解析：
- path_or_buf：字符串，表示文件路径；
- orient：指示预期的JSON字符串格式。可以to_json()使用相应的方向值生成兼容的JSON字符串。一组可能的方向是：
'split' : dict like {index -> [index], columns -> [columns], data -> [values]}
'records' : list like [{column -> value}, ... , {column -> value}]
'index' : dict like {index -> {column -> value}}
'columns' : dict like {column -> {index -> value}}
'values' : just the values array
- encoding：字符串，默认为'utf-8'；
- numpy：布尔值，默认为False，直接解码为numpy数组。仅支持数字数据，但支持非数字列和索引标签。另请注意，如果numpy = True，则每个术语的JSON顺序必须相同。
(2)利用pandas写入json文件
import pandas as pd
import os
# 获取当前文件父目录路径
father_path = os.getcwd()
# 存储数据文件路径
wpath_json = father_path+r'\data01\temp_trans.json'
data = [{"city": "SACRAMENTO", "longitude": -121.434879, "street": "3526 HIGH ST", "sq__ft": 836, "latitude": 38.631913, "sale_date": "Wed May 21 00:00:00 EDT 2008", "zip": 95838, "beds": 2, "type": "Residential", "state": "CA", "baths": 1, "price": 59222}, {"city": "SACRAMENTO", "longitude": -121.431028, "street": "51 OMAHA CT", "sq__ft": 1167, "latitude": 38.478902, "sale_date": "Wed May 21 00:00:00 EDT 2008", "zip": 95823, "beds": 3, "type": "Residential", "state": "CA", "baths": 1, "price": 68212}, {"city": "SACRAMENTO", "longitude": -121.443839, "street": "2796 BRANCH ST", "sq__ft": 796, "latitude": 38.618305, "sale_date": "Wed May 21 00:00:00 EDT 2008", "zip": 95815, "beds": 2, "type": "Residential", "state": "CA", "baths": 1, "price": 68880}]
df = pd.DataFrame(data)
df.to_json(wpath_json)
运行结果
函数解析
to_json(path_or_buf,orient,encoding,index)
- 前三个参数和read_json()里的一样
- index：False则选择不写入索引,默认为True。
【注】利用json模版的loads()与dumps()方法也可以实现json文件的读写。
五、送你的话
我始终觉得，要想学好一门语言，底层是最主要的，所以不要觉得入门的这些基本东西太简单，学好基础，才能成大牛。
坚持 and 努力 ： 终有所获。
思想很复杂，
实现很有趣，
只要不放弃，