用python读取各种数据格式（全代码）

进入物联网和大数据时代，数据无处不在，如图像、语音、文字、天气信息、不断变化的股票价格等等。这些海亮的数据会被存储起来，并以各种格式提供给用户。学习如何读取、保存和处理一些流行的数据格式至关重要。
本文用python实现读取写入各种数据格式，包括txt、csv、JSON、HDP5、SQL、NoSQL。

 

TXT格式

TXT格式是最简单、最常见的数据存储格式之一，许多IoT传感器以简单的.txt文件格式记录具有不同时间戳的传感器读数。Python提供了创建、读写TXT文件的内置函数。
如果要处理的是字符串数据（文本），直接用python是最佳选择。如果TXT文件包含数字数据，最好使用NumPy；如果数据是混合数据，pandas是最好的选择。

data_folder = '......'
data_file = 'alllines.txt'
f = open(data_file)
contents = f.read()
print(contents[:1000])

# f.write() 写入数据
# f.close() 关闭文件

# np.load()  用 NumPy读
# pd.read_csv() 用 pandas读

 

CSV格式

逗号分隔值（CSV）文件是用于存储物联网系统生成的表格数据的最常用文件格式。在.csv文件中，记录的值存储在纯文本行中，每行包含字段的值，并用分隔符分隔。CSV格式文件默认使用逗号作为分隔符，也可以使用任何其他字符。
想快速读取CSV文件中的数据，可以使用Python的csv模块。但是，如果需要将数据解释成时间和数字数据字段的组合，那么最好使用pandas包。如果数据只是数字数据，NumPy则是最合适的包。

python

import csv
import os
with open (os.path.join(data_folder, data_file), newline='') as csvfile:
	csvreader = csv.reader(csvfile, delimiter=',')
	for row in csvreader:
		print(row)

# csv.writer()  写入数据
#csvwriter.writerow(...)

numpy

# 读取第3和第4列
arr = np.loadtxt('temp.csv',skiprow=1,usecols=(2,3),delimiter=',')

pandas

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

data = pd.read_csv("10.csv")
x = data["timestamp"]  #获取一列，用一维数据
x = np.array(x)
y = data["V"]  #获取一列，用一维数据
y = np.array(y)
plt.plot(x, y)  # 绘制x,y的折线图
plt.show()  # 显示折线图

XLSX格式

Excel是Microsoft Office包中的一个组件，是常用的数据存储和可视化格式之一。从2010年起，Office开始支持.xlsx文件格式。可以使用OpenPyXl和pandas函数读取XLSX文件。

openpyxl

#Creating and writing into xlsx file
from openpyxl import Workbook
from openpyxl.compat import range
from openpyxl.utils import get_column_letter

wb = Workbook()

dest_filename = 'empty_book.xlsx'

ws1 = wb.active
ws1.title = "range names"

for row in range(1, 40):
     ws1.append(range(0,100,5))

ws2 = wb.create_sheet(title="Pi")
ws2['F5'] = 2 * 3.14
ws2.cell(column=1, row=5, value= 3.14)

ws3 = wb.create_sheet(title="Data")
for row in range(1, 20):
     for col in range(1, 15):
         _ = ws3.cell(column=col, row=row, value="{0}".format(get_column_letter(col)))
print(ws3['A10'].value)

wb.save(filename = dest_filename)

#Reading from xlsx file
from openpyxl import load_workbook
wb = load_workbook(filename = 'empty_book.xlsx')
sheet_ranges = wb['range names']
print(wb.get_sheet_names())
print(sheet_ranges['D18'].value)

pandas

import pandas as pd
df = pd.read_excel("empty_book.xlsx", sheet_name=0)
df.describe()
result = df * 2
result.describe()
result.to_excel("empty_book_modified.xlsx")

JSON格式

JSON（JavaScript Object Notation）是物联网系统中另一种流行的数据格式，它以{key : value}的字典形式存储数据。

python

import os
import json
from pprint import pprint

with open (os.path.join(data_folder,data_file)) as json_file:
	for line, i in zip(json_file,range(10)):
		json_data=json.loads(line)
		pprint(json_data)

#json.loads()函数将字符串对象作为输入，而json.load()函数将文件对象作为输入。两个函数都对JSON对象进行解码，并将其作为一个Python字典对象加载到json_data文件中。
#json.dumps()函数接收一个对象并产生一个JSON字符串，而json.dump()函数接收一个对象并将JSON字符串写到文件中。因此，这两个函数的作用与json.loads()和json.load()函数相反。

pandas

JSON字符串或文件可以通过pandas.read_json()函数读取，该函数返回一个DataFrame或series对象。例如，下面的代码读取zips.json文件：

df = pd.read_json(os.path.join(data_folder,data_file), lines=Ture)
print(df)

#DataFrame.to_json()函数的功能是将pandas DataFrame或系列对象保存为JSON文件或字符串。

HDF5格式

层次数据格式（Hierarchical Data Format，HDF）是由HDF集团制定的规范，在HDF5文件中，数据被组织成组和数据集。组是一个集合的组或数据集的集合。数据集是一个多维同质数组。在Python中，PyTables和h5py是操作HDF5文件的两个主要库。这两个库都需要安装HDF5。

PyTables

import numpy as np
arr = np.random.rand(5,4)
np.savetxt('temp.csv', arr, delimiter=',')
arr = np.loadtxt('temp.csv', skiprows=1, usecols=(2,3),
            delimiter=',')
import tables
h5filename = 'pytable_demo.hdf5'
with tables.open_file(h5filename,mode='w') as h5file:
    root = h5file.root
    h5file.create_array(root,'global_power',arr)
    h5file.close()
    
with tables.open_file(h5filename,mode='r') as h5file:
    root = h5file.root
    for node in h5file.root:
        ds = node.read()
        print(type(ds),ds.shape)
        print(ds)
	

pandas

#用pandas来创建一个包含global_power值的HDF5文件
import numpy as np
import pandas as pd
arr = np.loadtxt('temp.csv', skiprows=1, usecols=(2,3),delimiter=',')
store = pd.HDFstore('hdfstore_demo.hdf5')
print(store)
store['global_power']=pd.DataFrame(arr)
store.close()

#读取刚创建的HDF5文件并打印数组
store=pd.HDFStore('hdfstore_demo.hdf5')
print(store)
print(store['global_power'])
store.close()

h5py

#用h5py打开一个HDF5文件，然后打印出存储在/global_power组中的数组
import h5py
hdf5file = h5py.File('pytable_demo.hdf5')
ds = hdf5file['/global_power']
print(ds)
for i in range(len(ds)):
	print(arr[i])
hdf5file.close()

SQL格式

大多数数据库都是采用关系型数据库的组织方式。一个关系型数据库由一个或多个相关的信息表组成，不同表的信息之间的关系用键来描述。通常情况下，这些数据库是通过数据库管理系统（Database ManagementSystem，DBMS）来管理的。DBMS是一个可以与最终用户、不同的应用程序和数据库本身进行交互的软件，用来捕获和分析数据。目前的商用DBMS使用结构化查询语言（Structured Query Language，SQL）来访问和操作数据库，我们也可以使用Python来访问关系型数据库。

SQLite

SQLite（https://sqlite.org/index.html）是一个独立的、高可靠性的、嵌入式的、全功能的、公共领域的SQL数据库引擎。SQLite针对嵌入式应用进行了优化。它使用起来简单且速度非常快。可使用Python sqlite3模块将SQLite与Python集成。sqlite3模块是和Python 3捆绑在一起的，所以无须安装。

import sqlite3 
import pandas as pd
connection = sqlite3.connect('database.sqlite')
print("Database opened successfully")

tables = pd.read_sql("SELECT * FROM sqlite_master WHERE type='table';", connection)
print(tables)

countries = pd.read_sql("SELECT * FROM Country;", connection)
countries.head()

players = pd.read_sql_query("SELECT * FROM Player", connection)
players.head()

selected_players = pd.read_sql_query("SELECT * FROM Player WHERE height >= 180 AND weight >= 170 ", connection)
print(selected_players)

MySQL

虽然用户可以用SQLite来操作大型数据库，但一般来说，MySQL是首选。MySQL除了对大型数据库具有可扩展性之外，在数据安全方面也很有用。在使用MySQL之前，需要安装Python MySQL连接器。目前有许多可选的PythonMySQL连接器，如MySQLdb、PyMySQL和MySQL。

import mysql.connector 
connection = mysql.connector.connect(host="127.0.0.1",  # your host 
                    user="root",                        # username
                    password="reddel17R" )              # password 
print(connection)
mycursor = connection.cursor()
mycursor.execute("SHOW DATABASES")
for x in mycursor:
  print(x) 

connection = mysql.connector.connect(host="127.0.0.1",  # your host 
                    user="root",                        # username
                    password="reddel17R" ,
                    database = 'mysql') 
mycursor = connection.cursor()
mycursor.execute("SHOW TABLES")
for x in mycursor:
  print(x) 

NoSQL格式

非结构化查询语言（Not Only Structured Query Language，NoSQL）数据库不是关系型数据库。相反，其中的数据可以以键值、JSON、文档、柱状或图形格式存储，它们经常用在大数据和实时应用程序中。这里将学习如何使用MongoDB访问NoSQL数据，并且假设已正确配置了MongoDB服务器。

!pip install pymongo

import pymongo
client = pymongo.MongoClient()
db = client.test
from sklearn.datasets import load_breast_cancer
import pandas as pd

cancer = load_breast_cancer()
data = pd.DataFrame(cancer.data, columns=[cancer.feature_names])
import json
data.head()

data_in_json = data.to_json(orient='split')
rows = json.loads(data_in_json)
db.cancer_data_2.insert(rows)

cursor = db['cancer_data_2'].find({})
df = pd.DataFrame(list(cursor))
print(df)