import  pandas  as pd
#1：读取指定行
print("----读取指定的单行，数据会存在列表里面----")
df=pd.read_csv('测试.dat')#
data=df.loc[0].values#0表示第一行 这里读取数据并不包含表头，要注意哦！
print("读取指定行的数据：\n{0}".format(data))

print("\n------读取指定的多行，数据会存在嵌套的列表里面----------")
df=pd.read_csv('测试.xlsx')
data=df.loc[[1,2]].values#读取指定多行的话，就要在loc[]里面嵌套列表指定行数
print("读取指定行的数据：\n{0}".format(data))

print("\n----------------读取指定的行列-----------------------")
df=pd.read_csv('测试.xlsx')
data=df.iloc[1,2]#读取第一行第二列的值，这里不需要嵌套列表
print("读取指定行的数据：\n{0}".format(data))

print("\n----------------读取指定的多行多列值-----------------------")
df=pd.read_csv('测试.xlsx')
data=df.loc[[1,2],['title','data']].values#读取第一行第二行的title以及data列的值，这里需要嵌套列表
print("读取指定行的数据：\n{0}".format(data))

print("\n-----------获取所有行的指定列----------------------------")
df=pd.read_csv('测试.xlsx')
data=df.loc[:,['title','data']].values#读所有行的title以及data列的值，这里需要嵌套列表
print("读取指定行的数据：\n{0}".format(data))

print("\n------------获取行号并打印输出---------------------------")
df=pd.read_csv('测试.xlsx')
print("输出行号列表",df.index.values)

print("\n-------------获取列名并打印输出--------------------------")
df=pd.read_csv('测试.xlsx')
print("输出列标题",df.columns.values)

print("\n------------获取指定行数的值---------------------------")
df=pd.read_csv('测试.xlsx')

print("输出值",df.sample(3).values)#这个方法类似于head()方法以及df.values方法
print("\n-----------获取指定列的值----------------------------")
df=pd.read_csv('测试.xlsx')
print("输出值\n",df['data'].values)

#获取总行数
lines=df.shape[0]
#查看各列数据类型
print(df.dtypes)

#读取dat文件
#delimiter：读取具有分隔符的数据
#dtype：第0，5，19列以字符串格式读取
pd.read_csv('xxx.dat',header=None,encoding='utf-8',delimiter='|',quoting=3,low_memory=False,dtype = {0:str,5:str,19:str})

#写入dat文件
#index=0:索引不写入
#sep='|'：写入具有分隔符的数据
df.to_csv('xxx.dat',header=None,encoding='utf-8',sep='|',quoting=3,index=0)

摘要：主要介绍一些python的文件读取功能，文件内容修改，文件名后缀更改等操作。

批处理文件功能

import os

path1 = "C:\Users\awake_ljw\Documents\python for data analysis\test1"

path2 = "C:\Users\awake_ljw\Documents\python for data analysis\test2"

filelist = os.listdir(path1)

for files in filelist:

Olddir = os.path.join(path1,files)

filename = os.path.splitext(files)[0]

filetype = os.path.splitext(files)[1]

print Olddir

file_test = open(Olddir,"r")

Newdir = os.path.join(path2,str(filename)+".csv")

print Newdir

file_test2 = open(Newdir,"w")

for lines in file_test.readlines():

strdata = ",".join(lines.split(" "))

file_test2.write(strdata)

file_test.close()

file_test2.close()

os模块是python最基础的模块之一，一般用于文件处理等操作。上面这段代码主要就是将dat文件转化为csv文件，同时保证csv可读。一般txt文件不能通过直接改后缀改变呈csv文件格式，一般会造成文件不可读。csv文件一般通过逗号分隔文本，数据处理起来较得心应手，可以直接改后缀得到xlsx文件，一般excel也可读。

科学计算

matlab作为一门科学计算编程语言，在科学计算的应用实在广泛，包括webread等强大的函数用起来十分顺手，但matlab是商业软件，并不免费。其实，python在科学计算效率或函数库功能包括其绘图功能、图像处理都很强大，(相比matlab，python的调色板更出色)。以下列举一些数据文件读取，绘图的一些基本操作作为参考。

数据提取及绘图

#数据提取

import os

import pandas as pd

import numpy as np

number = -1;

sudu=np.zeros(5247*5,dtype=float).reshape(5247,5)

for files in filelist1:

number +=1

data = pd.read_csv(str(number+1)+"a.csv")

sudu[:,number]=data["velocity"]

x = data["x"]

y = data["y"]

a = sudu[0:5184,0].reshape(81,64)

%matplotlib inline

import matplotlib.pyplot as plt

extent = [np.min(x),np.max(x),np.min(y),np.max(y)]

plt.subplot(231)

u0 = sudu[0:5184,0].reshape(81,64)

plt.imshow(u0,extent=extent,origin="lower")

plt.subplot(232)

u1 = sudu[0:5184,1].reshape(81,64)

plt.imshow(u1,extent=extent,origin="lower")

plt.subplot(233)

u2 = sudu[0:5184,2].reshape(81,64)

plt.imshow(u2,extent=extent,origin="lower")

plt.subplot(234)

u3 = sudu[0:5184,3].reshape(81,64)

plt.imshow(u3,extent=extent,origin="lower")

#plt.axis("equal")

plt.subplot(235)

u4 = sudu[0:5184,4].reshape(81,64)

plt.imshow(u4,extent=extent,origin="lower")

plt.subplot(236)

u5 = sudu[0:5184,4].reshape(81,64)

plt.imshow(u5,extent=extent,origin="lower")

#contour

cs = plt.contour(u5, 20,extent = extent)

plt.xlim(-0.8,0.8)

plt.ylim(0.6,2.2)

plt.axis("equal")

python的科学计算功能与matlab及其相似，python有几点不同在于

1.python有元组的数据类型，元组不同于列表，元组不可更改

2.python的数据检索使用[]

总而言之，python的数据形式及其丰富。

numpy以及pandas是python用于数据处理的两个库，具体使用方法主要推荐python科学计算这本书。matplotlib用于绘图，刚也说了，其调色板很厉害哦，图像质量不错。

预告：代码运行环境均为jupyter notebook，简直神器一般的存在，网上搭建的资料也太多。

以上这篇基于python批量处理dat文件及科学计算方法详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。

@Python读取dat文件并将该数据绘制成曲线

困惑

刚开始学，按照网上的教程整了一天，全是坑人的，还是自己摸索出来的。做个记录，省的以后忘记了

过程

只需要下载好matplotlib函数（不绘图的话也不需要下载）

import matplotlib.pyplot as plt

file_position = 'E:\\Data\\1782\\20201215interference\\'       # 文件位置
file_name = '30k.dat'                       # 文件名
data_name = file_position+file_name         # 为了更改起来更方便

data0 = open(data_name,'r')
data1 = []
for line in data0:
    data1.append(float(line))
data0.close()
data2 = data1[0:1000]                       # 实际数据太长，截了其中的一小段
print(data2)

plt.plot(data2)                             # 绘图函数
plt.show()]

结果

就这些。