CSV是存储数据的常用方法

[[441350]]

 Python的卓越灵活性和易用性使其成为最受欢迎的编程语言之一，尤其是对于数据处理和机器学习方面来说，其强大的数据处理库和算法库使得python成为入门数据科学的首选语言。在日常使用中，CSV，JSON和XML三种数据格式占据主导地位。下面我将针对三种数据格式来分享其快速处理的方法。

CSV数据

CSV是存储数据的最常用方法。在Kaggle比赛的大部分数据都是以这种方式存储的。我们可以使用内置的Python csv库来读取和写入CSV。通常，我们会将数据读入列表列表。

看看下面的代码。当我们运行csv.reader()所有CSV数据变得可访问时。该csvreader.next()函数从CSV中读取一行; 每次调用它，它都会移动到下一行。我们也可以使用for循环遍历csv的每一行for row in csvreader 。确保每行中的列数相同，否则，在处理列表列表时，最终可能会遇到一些错误。 

import csv   
filename = "my_data.csv"  
fields = []   
rows = []     
# Reading csv file   
with open(filename, 'r') as csvfile:   
    # Creating a csv reader object   
    csvcsvreader = csv.reader(csvfile)   
    # Extracting field names in the first row   
    fields = csvreader.next()   
    # Extracting each data row one by one   
    for row in csvreader:   
        rows.append(row)    
# Printing out the first 5 rows   
for row in rows[:5]:   
    print(row) 

在Python中写入CSV同样容易。在单个列表中设置字段名称，并在列表列表中设置数据。这次我们将创建一个writer()对象并使用它将我们的数据写入文件，与读取时的方法基本一样。 

import csv   
# Field names   
fields = ['Name', 'Goals', 'Assists', 'Shots']   
# Rows of data in the csv file   
rows = [ ['Emily', '12', '18', '112'],   
         ['Katie', '8', '24', '96'],   
         ['John', '16', '9', '101'],   
         ['Mike', '3', '14', '82']]  
filename = "soccer.csv"  
# Writing to csv file   
with open(filename, 'w+') as csvfile:   
    # Creating a csv writer object   
    csvcsvwriter = csv.writer(csvfile)   
    # Writing the fields   
    csvwriter.writerow(fields)   
    # Writing the data rows   
    csvwriter.writerows(rows) 

我们可以使用Pandas将CSV转换为快速单行的字典列表。将数据格式化为字典列表后，我们将使用该dicttoxml库将其转换为XML格式。我们还将其保存为JSON文件！ 

import pandas as pd  
from dicttoxml import dicttoxml  
import json  
# Building our dataframe  
data = {'Name': ['Emily', 'Katie', 'John', 'Mike'],  
        'Goals': [12, 8, 16, 3],  
        'Assists': [18, 24, 9, 14],  
        'Shots': [112, 96, 101, 82]  
        }  
df = pd.DataFrame(data, columns=data.keys())  
# Converting the dataframe to a dictionary  
# Then save it to file  
data_dict = df.to_dict(orient="records")  
with open('output.json', "w+") as f:  
    json.dump(data_dict, f, indent=4)  
# Converting the dataframe to XML  
# Then save it to file  
xml_data = dicttoxml(data_dict).decode()  
with open("output.xml", "w+") as f:  
    f.write(xml_data) 

JSON数据

JSON提供了一种简洁且易于阅读的格式，它保持了字典式结构。就像CSV一样，Python有一个内置的JSON模块，使阅读和写作变得非常简单！我们以字典的形式读取CSV时，然后我们将该字典格式数据写入文件。 

import json  
import pandas as pd  
# Read the data from file  
# We now have a Python dictionary  
with open('data.json') as f:  
    data_listofdict = json.load(f)  
# We can do the same thing with pandas  
data_df = pd.read_json('data.json', orient='records')  
# We can write a dictionary to JSON like so  
# Use 'indent' and 'sort_keys' to make the JSON  
# file look nice  
with open('new_data.json', 'w+') as json_file:  
    json.dump(data_listofdict, json_file, indent=4, sort_keys=True)  
# And again the same thing with pandas  
export = data_df.to_json('new_data.json', orient='records') 

正如我们之前看到的，一旦我们获得了数据，就可以通过pandas或使用内置的Python CSV模块轻松转换为CSV。转换为XML时，可以使用dicttoxml库。具体代码如下： 

import json  
import pandas as pd  
import csv  
# Read the data from file  
# We now have a Python dictionary  
with open('data.json') as f:  
    data_listofdict = json.load(f)  
# Writing a list of dicts to CSV  
keys = data_listofdict[0].keys()  
with open('saved_data.csv', 'wb') as output_file:  
    dict_writer = csv.DictWriter(output_file, keys)  
    dict_writer.writeheader()  
    dict_writer.writerows(data_listofdict) 

XML数据

XML与CSV和JSON有点不同。CSV和JSON由于其既简单又快速，可以方便人们进行阅读，编写和解释。而XML占用更多的内存空间，传送和储存需要更大的带宽，更多存储空间和更久的运行时间。但是XML也有一些基于JSON和CSV的额外功能：您可以使用命名空间来构建和共享结构标准，更好地传承，以及使用XML、DTD等数据表示的行业标准化方法。

要读入XML数据，我们将使用Python的内置XML模块和子模ElementTree。我们可以使用xmltodict库将ElementTree对象转换为字典。一旦我们有了字典，我们就可以转换为CSV，JSON或Pandas Dataframe！具体代码如下： 

import xml.etree.ElementTree as ET  
import xmltodict  
import json 
tree = ET.parse('output.xml')  
xml_data = tree.getroot()  
xmlstr = ET.tostring(xml_data, encoding='utf8', method='xml')  
data_dict = dict(xmltodict.parse(xmlstr))  
print(data_dict)  
with open('new_data_2.json', 'w+') as json_file:  
    json.dump(data_dict, json_file, indent=4, sort_keys=True)