淺析python常用數據文件處理方法

Posted on by

0.前言

雖說python運行速度慢，但其編程速度，第三方包的豐富度是真的高。
涉及到文件批處理還是會選擇python。

1. 動態文件名

在文件批處理中，文件名經常隻有編號是不同的，可以通過給字符串傳遞不同的編號來獲取動態文件名。

file_num = 324
# file_num = 1
for i in range(file_num):
	file_name = "正常數據\\{}.正常.txt".format(i + 1)
	...

2. 將文件轉換為csv格式

一般數據提供者為瞭節省存儲空間，都會通過規定的格式存儲到txt文件中，這種格式對計算機可能並不友好。而逗號文件csv格式可以輕松被numpy、pandas等數據處理包讀取。
首先通過逐行讀取獲取每行數據（大部分數據文件都是每行格式相同，如果數據隻有一行，可以全部讀取或者逐字符讀取），之後通過line.replace(‘\n’, ‘’)將每行的換行符刪除，以免最後得到的csv文件有空行。
使用line.split(‘:’)將字符串分解為多個字段。
通過csv.writer寫入整行。

import csv
outFile = open(file_path + outFile_name, 'w', encoding='utf-8', newline='' "")
csv_writer = csv.writer(outFile)
with open(file_path + file_name, "r") as f:
    index = 0
    for line in f:
        # 寫入表頭
        if index == 0:
            csv_writer.writerow(['T', 'TimeStamp', 'RangeReport', 'TagID', 'AnchorID',
                                 'ranging', 'check', 'SerialNumber', 'DataID'])
            index = index + 1
            continue
        line = line.replace('\n', '')
        str = line.split(':')
        csv_writer.writerow(str)

3. 初步處理csv文件

一開始得到的csv文件往往是我們不想要的，需要進行簡單的處理。
例如我想將四行數據合並為一行。
使用pandas讀取csv文件為一個表df。將希望生成的格式簡單做一個有標題、有一行數據的文件，讀取為另一個表df2.
可以使用

del df['T']

來刪除指定的列。

可以通過

df2.loc[row] = list

來確定新文件的一行數據。pandas訪問行數據

import pandas as pd

df = pd.read_csv(file_path + file_name)
# 刪除某些列
del df['T']
del df['RangeReport']
del df['TagID']

# 判斷同一DataID對應的SerialNumber是否相同
# SerialNumberBegin = df['SerialNumber'][0]
# DataIDBegin = df['DataID'][0]
# for row in range(df.shape[0]):
#     c = df['SerialNumber'][row] != (SerialNumberBegin + int(row / 4)) % 256
#     d = df['DataID'][row] != DataIDBegin + int(row / 4)
#     e = df['AnchorID'][row] != row % 4
#     if c | d | e:
#         print('err')
del df['AnchorID']

# print(type(df['TimeStamp'][0]))
# 進行表合並
df2 = pd.read_csv(file_path + "合並格式.csv")
for row in range(int(df.shape[0]/4)):
    list = [3304,229,90531088,90531088,90531088,90531088,760,760,760,760,760,760,760,760]
    # DataID,SerialNumber,TimeStamp0,TimeStamp1,TimeStamp2,TimeStamp3,ranging0,check0,ranging1,check1,ranging2,check2,ranging3,check3
    list[0] = df['DataID'][row*4]
    list[1] = df['SerialNumber'][row*4]
    list[2] = df['TimeStamp'][row*4+0]
    list[3] = df['TimeStamp'][row*4+1]
    list[4] = df['TimeStamp'][row*4+2]
    list[5] = df['TimeStamp'][row*4+3]
    list[6]  = df['ranging'][row*4+0]
    list[7]  = df['check'][row*4+0]
    list[8]  = df['ranging'][row*4+1]
    list[9]  = df['check'][row*4+1]
    list[10] = df['ranging'][row*4+2]
    list[11] = df['check'][row*4+2]
    list[12] = df['ranging'][row*4+3]
    list[13] = df['check'][row*4+3]

    df2.loc[row] = list
df2.to_csv(file_path+contact_name)

4. 獲取部分數據

可以通過

df0 = df.iloc[:, 3:7]

或者

df0 = df[["check0","check1","check2","check3"]]

來獲取一個表的某幾列。

5. 數據間的格式轉換

一般會在list、numpy、pandas三種格式間進行數據轉換。
自己創建數據時，經常使用

y_show = []
y_show.append(n_clusters_)

維度調整好後，可以是一維或者多維，再轉換為numpy或者pandas。
其中轉換成numpy的方法如下

y = np.array(y_show)

6. 離群點、重合點的處理

使用DBSCAN算法進行聚類。具體算法描述隨便搜就有。
有兩個重要參數，一個是聚類半徑，另一個是最小鄰居數。
指定較大半徑以及較大鄰居數可以篩選出離散點。
指定較小半徑可以篩選出重合點、相似點。
代碼如下，使用一個n*m的numpy矩陣作為輸入，對m維的點進行聚類。
通過一通操作獲取labels，是一個map，key值為int數值，-1,0,1,2…。-1代表離群點，其他代表第幾簇。value是一個list，代表各簇的點的下標。

from sklearn.cluster import DBSCAN

y = df[["d0","d1","d2","d3"]].to_numpy()

db = DBSCAN(eps=3, min_samples=2).fit(y)
core_samples_mask = np.zeros_like(db.labels_, dtype=bool)
core_samples_mask[db.core_sample_indices_] = True
labels = db.labels_

# 統計簇中labels的數量
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)

7. 數據繪制

繪制二維的比較簡單，這裡隻貼上三維繪制代碼

import matplotlib.pyplot as plt
import pandas as pd

from mpl_toolkits.mplot3d import axes3d

df = pd.read_csv(file_path+file_name)
x1 = df["x"].to_numpy()
y1 = df["y"].to_numpy()
z1 = df["z"].to_numpy()

df = pd.read_csv(file_path+file_name2)
x2 = df["x"].to_numpy()
y2 = df["y"].to_numpy()
z2 = df["z"].to_numpy()

# new a figure and set it into 3d
fig = plt.figure()
ax = fig.gca(projection='3d')

# set figure information
# ax.set_title("3D")
ax.set_xlabel("X")
ax.set_ylabel("Y")
ax.set_zlabel("Z")

# draw the figure, the color is r = read
# figure1 = ax.plot(x1, y1, z1, c='b')
figure2 = ax.plot(x2, y2, z2, c='r')
# figure3 = ax.plot(x3, x3, z3, c='g')
# figure4 = ax.plot(x4, x4, z4, c='y')

ax.set_xlim(0, 7000)
# ax.set_ylim(0, 5000)
ax.set_zlim(0, 3000)

plt.show()

8. numpy的矩陣運算

# 轉換數據類型
Zk = Zk.astype(float)
# 范數 a,b是維度相同的向量
np.linalg.norm(a-b) 
# 矩陣乘法
np.matmul(A, B)
# 矩陣求逆
np.linalg.inv(A)
# 單位陣
np.eye(dims)
# 轉置
Zk = Zk.T

9. 保存文件

可以使用csv writerow存文件，見1.
也可以使用numpy或者pandas保存文件。
如果直接使用pandas的

df2.to_csv(file_path+contact_name)

保存文件，會額外保存一行index。可以通過參數，index=False來控制。
如果還有其他要求可以查閱pd.to_csv

也可使用numpy,將一個numpy類型數據通過指定格式存文件。這裡一般要指定格式，否則有可能會存成自己不希望的類型。

np.savetxt(file_path + "異常數據.txt", np.array(y_show,dtype=np.int16), fmt="%d")

到此這篇關於python常用數據文件處理方法的文章就介紹到這瞭,更多相關python數據文件處理內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：