python 读取txt,json和hdf5文件的实例_Python

一.python读取txt文件

最简单的open函数：

									# -*- coding: utf-8 -*-

									with open("test.txt","r",encoding="gbk",errors='ignore') as f:

									 print(f.read())

这里用open函数读取了一个txt文件，”encoding”表明了读取格式是“gbk”,还可以忽略错误编码。

另外，使用with语句操作文件IO是个好习惯，省去了每次打开都要close()。

二.python读取json文件

简单的test.json文件如下：

									{

									 "glossary": {

									 "title": "example glossary",

									 "GlossDiv": {

									  "title": "S",

									  "GlossList": {

									  "GlossEntry": {

									   "ID": "SGML",

									   "SortAs": "SGML",

									   "GlossTerm": "Standard Generalized Markup Language",

									   "Acronym": "SGML",

									   "Abbrev": "ISO 8879:1986",

									   "GlossDef": {

									   "para": "A meta-markup language, used to create markup languages such as DocBook.",

									   "GlossSeeAlso": ["GML", "XML"]

									   },

									   "GlossSee": "markup"

									  }

									  }

									 }

									 }

									}

这里需要用python的json模块处理解析:

									import json

									data = json.load(open('example.json'))

									print(type(data))

									print(data)

打印如下：

<class 'dict'>

{'glossary': {'title': 'example glossary', 'GlossDiv': {'title': 'S', 'GlossList': {'GlossEntry': {'ID': 'SGML', 'SortAs': 'SGML', 'GlossTerm': 'Standard Generalized Markup Language', 'Acronym': 'SGML', 'Abbrev': 'ISO 8879:1986', 'GlossDef': {'para': 'A meta-markup language, used to create markup languages such as DocBook.', 'GlossSeeAlso': ['GML', 'XML']}, 'GlossSee': 'markup'}}}}}

可见json.load()函数返回值是dict，json数据现在就成了一个网状的Python字典。

接下来我们就可以用标准的键检索来进行解读，比如：

1	`print(data['glossary']['GlossDiv']['GlossList'])`

打印结果如下：

{'GlossEntry': {'ID': 'SGML', 'SortAs': 'SGML', 'GlossTerm': 'Standard Generalized Markup Language', 'Acronym': 'SGML', 'Abbrev': 'ISO 8879:1986', 'GlossDef': {'para': 'A meta-markup language, used to create markup languages such as DocBook.', 'GlossSeeAlso': ['GML', 'XML']}, 'GlossSee': 'markup'}}

三.python 读取HFD5文件

HDF5 是一种层次化的格式（hierarchical format），经常用于存储复杂的科学数据。例如 MATLAB 就是用这个格式来存储数据。在存储带有关联的元数据（metadata）的复杂层次化数据的时候，这个格式非常有用，例如计算机模拟实验的运算结果等等。

与HDF5 相关的主要概念有以下几个：

文件 file: 层次化数据的容器，相当于树根（'root' for tree）

组 group: 树的一个节点（node for a tree）

数据集 dataset: 数值数据的数组，可以非常非常大

属性 attribute: 提供额外信息的小块的元数据

									# -*- coding: utf-8 -*-

									#创建hdf5文件

									import datetime

									import os

									import h5py

									import numpy as np

									imgData = np.zeros((30,3,128,256))

									if not os.path.exists('test.hdf5'):

									 with h5py.File('test.hdf5') as f:

									 f['data'] = imgData   #将数据写入文件的主键data下面

									 f['labels'] = range(100)

创建完成之后读取：

									import datetime

									import os

									import h5py

									import numpy as np

									with h5py.File('test.hdf5') as f:

									 print(f)

									 print(f.keys)

除了上述方法，pandas还提供一个直接读取h5文件的函数：

									pd.HDFStore

									import datetime

									import os

									import h5py

									import numpy as np

									import pandas as pd

									data = pd.HDFStore("dataset_log.h5")

									print(type(data))