精华内容
下载资源
问答
  • PYTHON导入dat文件

    千次阅读 2020-03-04 20:01:33
    users.dat =========================================================== in the following format: UserID::Gender::Age::Occupation::Zip-code import pandas as pd #make display smaller pd.op...

     

    users.dat ===========================================================

    in the following format:

    UserID::Gender::Age::Occupation::Zip-code

     

    import pandas as pd

    #make display smaller

    pd.options.display.max_rows = 10

    unames = [‘user_id’,’gender’,’age’,’occupation’,’zip’]

    users = pd.read_table(‘users.dat’,sep=’::’,header=None,names=unames)

    展开全文
  • 我在学习机器学习分类算法实现中发现csdn上面有很多dat数据文件,所以想要利用这些dat数据文件,但不知道如何导入,经过一番摸索,有一种方法可以完全实现dat文件转化为csv文件导入python: 首先下载一个dat文件 ...

    我相信大家在学习python中会遇到一些很苦恼的数据导入问题,csdn上面的数据导入五花八门,大多是在特定条件实行的数据导入,我在学习机器学习分类算法实现中发现csdn上面有很多dat数据文件,所以想要利用这些dat数据文件,但不知道如何导入,经过一番摸索,有一种方法可以完全实现dat文件转化为csv文件导入python:
    首先下载一个dat文件
    在这里插入图片描述
    直接将后缀改成xlsx,打开文件发现dat数据文件的格式是这样的:
    在这里插入图片描述
    可以看到这些数据只有一列,所有得想办法把他们分开,具体办法就是excell的分列操作,很简单不提
    分列之后就是正常的一行一列的数据,这个时候保存数据格式为csv
    然后把文件改成utf-8编码即可
    再进行代码操作:
    import pandas as pd
    pd.read_csv(“11heart1.csv”,encoding = ‘utf-8’)
    在这里插入图片描述
    数据就导入了!

    展开全文
  • 它们的数据导入都很简单 且看下面一顿操作: 我平时一般是读取整个文件,直接这样就可以了: 1 import pandas as pd 2 data = pd.read_csv('test.csv',encoding = 'GBK', engine="python") 得到的,是一个...

    手写很累,复制的同学请点赞犒劳下在下哦 ^_^

    一、对于.CSV类型的数据

    它们的数据导入都很简单

    且看下面一顿操作:

    我平时一般是读取整个文件,直接这样就可以了:

    1 import pandas as pd
    2 data = pd.read_csv('test.csv',encoding = 'GBK', engine="python")

    得到的,是一个DataFrame类型的data,不熟悉处理方法可以参考pandas十分钟入门

    如有 OSError: Initializing from file failed 这样的错误,就是没有加 engine = "python"

    还有一种方法就是用CSV库:

    1 import csv
    2 
    3 with open("test.csv","r") as csvfile:
    4     data = csv.reader(csvfile)
    5     #这里不需要readlines
    6     for line in data:
    7         print line

     

    其次是写入,一般简单的写入只需要:

     1 import pandas as pd
     2 
     3 #这里只是范例,a,b可根据实际替换为你想写入的内容
     4 #搞出来一个字典,然后转成dataframe类型
     5 a = [1,2,3]
     6 b = [4,5,6]    
     7 dataframe = pd.DataFrame({'a_name':a,'b_name':b})
     8 
     9 #将DataFrame存储为csv格式, index表示是否显示行名,default=True
    10 dataframe.to_csv("test.csv",index=False,sep=',')

    ok 完工

     

    需求高一点的就是逐行写。

    1 import csv
    2 
    3 with open("test.csv","w") as csvfile: 
    4     data = csv.writer(csvfile)
    5 
    6     #先写入columns_name
    7     data.writerow(["index","a_name","b_name"])
    8     #写入多行用writerows
    9     data.writerows([[0,1,3],[1,2,3],[2,3,4]])

     

    二、.txt 就简单了

    直接上去三板斧

    1 f = open('/test.txt')
    2 
    3 f.read()
    4 
    5 f.close()

    需要注意的是,f.write()有坑,要注意模式,

    1 f1 = open('/test.txt','w')
    2 f1.write('hello buddy!')

    但此时数据只写到了缓存中,并未保存到文件,而且从下面的输出可以看到,原先里面的配置被清空了然后就囧了。

    使用r+ 模式不会先清空,但是会替换掉原先的文件。

    如果在写之前先读取一下文件,再进行写入,则写入的数据会添加到文件末尾而不会替换掉原先的文件。这是因为指针引起的,r+ 模式的指针默认是在文件的开头,如果直接写入,则会覆盖源文件,通过read() 读取文件后,指针会移到文件的末尾,再写入数据就不会有问题了。这里也可以使用a 模式。

     

    三、.dat文件很方便,因为他既能转成.txt,他的格式也很方便,一般都是用”,“或者”::“分割开。

    处理的话,我是用

    users = pd.read_table(path+'users.dat',sep = '::',header=None, names = unames,engine='python')
    

    这种方法的,path可以定义一个绝对路径,移植的时候也很方便。

     

    四、.json文件的读写

    pandas库还为我们提供了可以读取很多种类文件类型的函数。

    我就不一一列举示例了,调用很简单,而且很多编辑器也会给你一些参数上的提示。

    Json文件是相当常见一种文件类型。对于这类数据的读取,极其极其简单。

    直接上个例子:

    设Json文件

    {
        "fontFamily": "微软雅黑",
        "fontSize": 12,
        "BaseSettings":{
            "font":1,
            "size":2
                       }
    }
    

     

    只需要这样读取:

     1 import json
     2 
     3 def loadFont():
     4     f = open("Settings.json", encoding='utf-8')  //设置以utf-8解码模式读取文件,encoding参数必须设置,否则默认以gbk模式读取文件,当文件中包含中文时,会报错
     5     setting = json.load(f)    //其实读取的核心就是这个函数
     6     family = setting['BaseSettings']['size']   //注意多重结构的读取语法
     7     size = setting['fontSize']   
     8     return family, size
     9 
    10 t,x = loadFont()
    11 
    12 print(t)
    13 #将会返回t值为2, x为12

    how easy it is

     

    .txt文件可以直接用pandas中的pd.read_csv('filename')直接傻瓜式读写。参见最上面csv文件的读写。

    类型转换格式对应表:

    JSON Python
    Object dict
    array list
    String unicode
    number(int) int, long
    number(real) float
    true True
    false False
    null None

     

    使用第三方库:Demjson

    Demjson是python的第三方模块库,可用于编码和解码JSON数据,包括了JSONLint的格式化及校验功能。

    linux安装:

    环境配置

    在使用 Demjson 编码或解码 JSON 数据前,我们需要先安装 Demjson 模块。本教程我们会下载 Demjson 并安装:

    $ tar -xvzf demjson-2.2.3.tar.gz
    $ cd demjson-2.2.3
    $ python setup.py install
    

    更多安装介绍查看:http://deron.meranda.us/python/demjson/install

    JSON函数

    函数 描述
    encode 将python对象编码成JSON字符串
    decode 将一遍吗的JSON字符串解码为Python对象

    Encode语法:

    demjson.encode(self, obj, nest_level=0)
    实例:
    以下实例将数组编码为 JSON 格式数据:
    #!/usr/bin/python
    import demjson
    
    data = [ { 'a' : 1, 'b' : 2, 'c' : 3, 'd' : 4, 'e' : 5 } ]
    
    json = demjson.encode(data)
    print json
    

    执行结果为:  [{"a":1,"b":2,"c":3,"d":4,"e":5}]

     

    Decode:解码 JSON 数据。该函数返回 Python 字段的数据类型。

    语法:

    demjson.decode(self, txt)
    示例:
    import demjson
    
    json = '{"a":1,"b":2,"c":3,"d":4,"e":5}';
    
    text = demjson.decode(json)
    print  text
    

      执行结果为:    {u'a': 1, u'c': 3, u'b': 2, u'e': 5, u'd': 4}

     

    导入数据

    • pd.read_csv(filename):从CSV文件导入数据
    • pd.read_table(filename):从限定分隔符的文本文件导入数据
    • pd.read_excel(filename):从Excel文件导入数据
    • pd.read_sql(query, connection_object):从SQL表/库导入数据
    • pd.read_json(json_string):从JSON格式的字符串导入数据
    • pd.read_html(url):解析URL、字符串或者HTML文件,抽取其中的tables表格
    • pd.read_clipboard():从你的粘贴板获取内容,并传给read_table()
    • pd.DataFrame(dict):从字典对象导入数据,Key是列名,Value是数据

     

    导出数据

      • df.to_csv(filename):导出数据到CSV文件
      • df.to_excel(filename):导出数据到Excel文件
      • df.to_sql(table_name, connection_object):导出数据到SQL表
      • df.to_json(filename):以Json格式导出数据到文本文件

    创建测试对象

    • pd.DataFrame(np.random.rand(20,5)):创建20行5列的随机数组成的DataFrame对象
    • pd.Series(my_list):从可迭代对象my_list创建一个Series对象
    • df.index = pd.date_range('1900/1/30', periods=df.shape[0]):增加一个日期索引

     

    查看、检查数据

    • df.head(n):查看DataFrame对象的前n行
    • df.tail(n):查看DataFrame对象的最后n行
    • df.shape():查看行数和列数
    • :查看索引、数据类型和内存信息
    • df.describe():查看数值型列的汇总统计
    • s.value_counts(dropna=False):查看Series对象的唯一值和计数
    • df.apply(pd.Series.value_counts):查看DataFrame对象中每一列的唯一值和计数

     

    数据选取

    • df[col]:根据列名,并以Series的形式返回列
    • df[[col1, col2]]:以DataFrame形式返回多列
    • s.iloc[0]:按位置选取数据
    • s.loc['index_one']:按索引选取数据
    • df.iloc[0,:]:返回第一行
    • df.iloc[0,0]:返回第一列的第一个元素

     

    数据清理

    • df.columns = ['a','b','c']:重命名列名
    • pd.isnull():检查DataFrame对象中的空值,并返回一个Boolean数组
    • pd.notnull():检查DataFrame对象中的非空值,并返回一个Boolean数组
    • df.dropna():删除所有包含空值的行
    • df.dropna(axis=1):删除所有包含空值的列
    • df.dropna(axis=1,thresh=n):删除所有小于n个非空值的行
    • df.fillna(x):用x替换DataFrame对象中所有的空值
    • s.astype(float):将Series中的数据类型更改为float类型
    • s.replace(1,'one'):用‘one’代替所有等于1的值
    • s.replace([1,3],['one','three']):用'one'代替1,用'three'代替3
    • df.rename(columns=lambda x: x + 1):批量更改列名
    • df.rename(columns={'old_name': 'new_ name'}):选择性更改列名
    • df.set_index('column_one'):更改索引列
    • df.rename(index=lambda x: x + 1):批量重命名索引

     

    数据处理:Filter、Sort和GroupBy

    • df[df[col] > 0.5]:选择col列的值大于0.5的行
    • df.sort_values(col1):按照列col1排序数据,默认升序排列
    • df.sort_values(col2, ascending=False):按照列col1降序排列数据
    • df.sort_values([col1,col2], ascending=[True,False]):先按列col1升序排列,后按col2降序排列数据
    • df.groupby(col):返回一个按列col进行分组的Groupby对象
    • df.groupby([col1,col2]):返回一个按多列进行分组的Groupby对象
    • df.groupby(col1)[col2]:返回按列col1进行分组后,列col2的均值
    • df.pivot_table(index=col1, values=[col2,col3], aggfunc=max):创建一个按列col1进行分组,并计算col2和col3的最大值的数据透视表
    • df.groupby(col1).agg(np.mean):返回按列col1分组的所有列的均值
    • data.apply(np.mean):对DataFrame中的每一列应用函数np.mean
    • data.apply(np.max,axis=1):对DataFrame中的每一行应用函数np.max

     

    数据合并

    • df1.append(df2):将df2中的行添加到df1的尾部
    • df.concat([df1, df2],axis=1):将df2中的列添加到df1的尾部
    • df1.join(df2,on=col1,how='inner'):对df1的列和df2的列执行SQL形式的join

     

    数据统计

    • df.describe():查看数据值列的汇总统计
    • df.mean():返回所有列的均值
    • df.corr():返回列与列之间的相关系数
    • df.count():返回每一列中的非空值的个数
    • df.max():返回每一列的最大值
    • df.min():返回每一列的最小值
    • df.median():返回每一列的中位数

     

      • df.std():返回每一列的标准差

     

    转载于:https://www.cnblogs.com/xk-bench/p/8376739.html

    展开全文
  • 2019独角兽企业重金招聘Python工程师标准>>> ...

    大多数开发人员在使用TeeChart进行开发的时候,都需要访问包含在文本文档中的一些数据,本次教程将详细讲解如何去实现这一步骤。

    文本文件通常包含使用空格键或者是TAB键分隔开的数字和文字:

    TeeChart官方最新版免费下载地址

    比如下面的文本,包含两个字段,使用空格作为字段分隔:

    0.1 24

    0.5 143

    0.2 321

    0.1 100

    从一个文本文件读取数据(如果列分隔符是正确的),开发者可以使用TSeriesTextSource组件,可以根据自身的数据设置ileName、Fields和FieldSeparator属性。然后只需通过设置TSeriesTextSource.Series或Series.DataSource属性将系列文本源组件连接到一个图表系列。

    1 创建一个新的应用程序。 (File->New->Application)

    2 从"Additional"面板选项卡中拖放TChart组件。

    3 双击Chart1组件显示TeeChart编辑对话框。(或右键单击Chart1并单击"Edit...")

    4 单击"Add..." 按钮,选择"Line"系列风格,单击OK按钮。(或双击"Line"图表)

    5 关闭编辑器对话框(或按Esc键关闭它)。

    6 找到“TeeChart”组件面板选项卡并拖放SeriesTextSource组件。

    7 双击SeriesTextSource1组件显示编辑器对话框,填写以下属性:

    大多数开发人员在使用TeeChart进行开发的时候,都需要访问包含在文本文档中的一些数据,本次教程将详细讲解如何去实现这一步骤。 文本文件通常包含使用空格键或者是TAB键分隔开的数字和文字: 比如下面的文本,包含两个字段,使用空格作为字段分隔: 0.1 24 0.5 143 0.2 321 0.1 100 从一个文本文件读取数据(如果列分隔符是正确的),开发者可以使用TSeriesTextSource组件,可以根据自身的数据设置ileName、Fields和FieldSeparator属性。然后只需通过设置TSeriesTextSource.Series或Series.DataSource属性将系列文本源组件连接到一个图表系列。 1 创建一个新的应用程序。 (File->New->Application) 2 从

    跨平台图表控件Teechart使用教程:从DAT或TEXT文件中导入数据

    VCL代码:

    unit UImportData;
      interface
      uses
        Windows, Messages, SysUtils, Classes, Graphics, Controls, Forms,
        Dialogs, TeEngine, Series, TeeURL, TeeSeriesTextEd, ExtCtrls,  
        TeeProcs, Chart, StdCtrls, Buttons;
      type
        TForm1 = class(TForm)
          Chart1: TChart;
          Series1: TLineSeries;
          SeriesTextSource1: TSeriesTextSource;
          Panel1: TPanel;
          BitBtn1: TBitBtn;
          procedure BitBtn1Click(Sender: TObject);
        private
        { Private declarations }
        public
        { Public declarations }
        end;
      var
        Form1: TForm1;
      implementation
      {$R *.dfm}
      procedure TForm1.BitBtn1Click(Sender: TObject);
      begin
        with SeriesTextSource1 do
        begin
          // Setup fields (columns in text file)
          Fields.Clear;
          AddField('X',1);
          AddField('Y',2);
          // Set separators
          FieldSeparator := ' ';
          DecimalSeparator := '.';
          // Set file name containing text data
          FileName := 'test.dat';
          // Series to add data
          Series := Series1;
          // Load data from file into Series
          Active := True;
        end;
     
        // Example of setting axes scales.
        // Not necessary is axes already have Automatic:=True.
        Series1.GetVertAxis.SetMinMax(0,1);
        Series1.GetHorizAxis.SetMinMax(3864.90,3865.50);
      end;
      end.
    Displaying the SeriesTextSource editor dialog
    If you wish to show the SeriesTextSource editor dialog at runtime, simply drop a button and type this code at Button1Click event:
      procedure TForm1.Button1Click(Sender: TObject);
      begin
        // This procedure is located at TeeSeriesTextEd.pas unit:
        TeeEditSeriesTextSource(SeriesTextSource1);    
      end;

    转载于:https://my.oschina.net/u/1254945/blog/200683

    展开全文
  • 将之前处理过的几类数据的文件夹中的.dat文件中的数据读入到Excel中,方便导入Matlab
  • 初次接触Python完成一个生成随机数并写入文件的流程: ... 将随机数组以每行一个的形式写入文件.dat文件中 ''' 生成一个0和1的数组并将它写入.dat文件中 '''import random # 导入随机函数print('请输入数组长度') len
  • Python读取多个文件夹下的csv文件并进行数据筛选 最近做毕业设计,要处理武汉市多日的出租车GPS轨迹数据,正在学习Python进行数据分析与挖掘,欢迎学习交流~ # 导入需要用的包 import pandas as pd import numpy as ...
  • 我原来的代码: ...即,我希望导入FirstProcess.py的文件中的InitialProcess类中的getData函数。出现了如标题一般的错误。 解决: from FirstProcess import InitialProcess a = InitialProcess() new_get_dat...
  • python操作表格

    2019-05-16 22:05:35
    使用python语言,读写表格案例。 读取表格: 1、导入模块 import xlrd 2、打开Excel文件读取数据 data = xlrd.open_workbook(‘excel.xls’) 3、获取一个工作表(三种方式) table = data.sheets()[0]#通过索引顺序...
  • 1、导入模块 import xlrd 2、打开Excel文件读取数据 data = xlrd.open_workbook('excelFile.xls') 3、使用技巧 获取一个工作表 table = data.sheets()[0] #通过索引顺序获取 table = dat
  • python基础数据处理

    2017-09-23 16:12:43
    #读取csv文件,为dataframe格式 import csv data=pd.read_csv("F:/predict_finaly/pingan_bank/000001_...#选择文件中的'data','close_price','pre_close','high_price','low_price','trade_num'列进行导入。 xdata=dat
  • python操作Excel读写--使用xlrd - lhj588 - 博客园python操作Excel读写--使用xlrd一、安装xlrd模块 到python官网下载...二、使用介绍 1、导入模块 import xlrd 2、打开Excel文件读取数据 dat...
  • Python 中操作 MySQL 步骤 导入模块 在py文件中引入pymysql模块 from pymysql import * Connection 对象 用于建立与数据库的连接 创建对象:调用connect()方法 conn=connect(参数列表) 参数host:连接的mysql主机...
  • 使用pylab导入一个dat的数据时候,老是报错, [Errno 22] invalid mode (‘r’) or filename: ‘C:\Users\lc\Desktop\movielens\ratings.dat’ 查询后发现是路径的问题,具体来说应该是 \r 最简单的方法就是改文件...
  • 导入外部词典的问题

    2020-12-06 20:19:13
    <div><p>我导入了外边词典,然后说我格式不对 所以自己把f = open(filename, "r")中的r修改成了rb ,但是心的问题出现了如下: File "D:\Python\lib\site-packages\thulac\manage\...
  • #文件名:demo_pickle.pyimport pprint,pickle#导入pickle和pprint模块me={'name':'Guddqs','age':19,'sex':'男'}#定义一个数据output=open('pickle.dat','wb')#准备一个文件写入pickle.dump(me,output)#先写入一个...
  • 欧拉公式求长期率的matlab代码LovelacePM LovelacePM是一个可通过Python解释的...M6机翼,请先导入包装并确定其尺寸。 然后,您可以按照以下方式进行仿真。 文件“ onerad.dat”应位于模拟目录中。 from LovelacePM im
  • 通常用于批量导入文件到其他软件,例如R,Python或MATLAB(或在Excel中工作)。 从general文件夹中获取脚本datavyu2csv.rb 。 确保要转换为.csv的.opf文件全部位于计算机上某个位置的文件夹中。 运行该脚本datavyu2...
  • json2sygic :此脚本将Google Maps中已加星标/已保存位置(又名POI)列表转换为Sygic Android使用的内部格式,以保存其收藏夹( “ items.dat” )文件。 如何将Google Maps已保存/加星标的位置导出到JSON文件 转到...
  • 哈哈,今天是2020年的一月一日,我用家里电脑导入basemap又出现了问题,问题是OSError: Unable to open boundary dataset file,找不到边界文件。 第一张图中显示的.dat文件位置并不是我设置的,所以我就追到...
  • aocxchange还可以读取 2D 箔截面定义文件(.dat 文件PythonOCC 是 OpenCascade Community Edition(具有工业强度的 3D CAD 建模内核)的一组 Python 包装器 警告 aocxchange可以导入 IGES、STEP、BREP 和 STL ...
  • 导入导出动画 ... 使用动画保存文件python simulation.py filename.dat 快速模型训练示例 导入动画 e = animats.Environment(10, 1000, 700, "example.dat") e.update() # 根据需要重复 e.save()
  • 通过在CloudXLab上转到文件>新建> Python 3,创建一个新的笔记本(Descriptive_Analysis.ipynb)。 请紧握此jupyter笔记本以回答此练习之后的问题。 导入相关的python包(numpy,pandas,matplotlib)。 暗示: ...
  • 英国广播公司新闻实验室编码练习 英国广播公司新闻实验室希望评估记者的编码技能。 每天发表数百篇文章。 作为记者,了解我们已经接触了多少人很重要。 更重要的是了解细节:人们如何进入BBC?... 从熊猫导入Dat
  • 2.您需要将wikipedia.dat文件放在项目目录中的src/main/resources/wikipedia文件夹中。 3.安装JDK-8 4.安装sbt-1.4.7 5.打开Intellij IDEA并安装Scala插件 [ ] 6.选择导入项目,然后打开项目的build.sbt文件。 7....
  • pandas日常使用

    2020-02-13 22:34:55
    pandas常用方法在python文件导入pandas利用pandas读取文件pandas中的DataFrameDataFrame的增删改查--查行索引查找方法(.index)列索引查找方法(.columns)取第N行到第M行(.iloc[])取第x列和第y列(.iloc[])DataFrame...
  • IEOR 4501最终项目-松鼠跟踪器 描述 一个与2018年中央公园松鼠人口普查数据配合使用的松鼠跟踪应用程序,可以可视化地图中松鼠的位置。 此外,用户还可以更新现有记录,添加... $ python manage.py export_squirrel_dat
  • 我们假设您已经创建了一个名为 ~/.boto 的文件,用于存储您的 AWS 访问密钥。 要启动实例,请导入模块“instances”,然后运行 ​​startOneDefaultInstance()。 运行实验: $ python cartography.py 这将创建...
  • 脚本_BCCMS 这些脚本是在我作为BCCMS的博士生期间编写和使用的,用于数据处理。 我将解释每个脚本的功能及其名称。 位移 ... 我需要此脚本来生成包含胖带的dat文件,并选择特定K点的能量及其胖带。

空空如也

空空如也

1 2
收藏数 29
精华内容 11
关键字:

python导入dat文件

python 订阅