Python优越的灵活性和易用性使其成为最受欢迎的编程语言之一，尤其是对数据科学家而言。 这在很大程度上是因为使用Python处理大型数据集是很简单的一件事情。
如今，每家科技公司都在制定数据战略。 他们都意识到，拥有正确的数据(干净、尽可能多)会给他们带来关键的竞争优势。 数据，如果使用有效，可以提供深层次的、隐藏在表象之下的信息。
多年来，数据存储的可能格式显著增加，但是，在日常使用中，还是以 CSV 、 JSON 和 XML 占主导地位。在本文中，我将与你分享在Python中使用这三种流行数据格式及其之间相互转换的最简单方法!
CSV 数据
CSV文件是存储数据的最常见方式，你会发现，Kaggle竞赛中的大多数数据都是以这种方式存储的。 我们可以使用Python内置的csv库读写CSV文件，通常，我们将数据读入一个列表中，列表中每个元素又是一个列表，代表一行数据。
观察下面的代码，当我们运行
csv.reader()
时，就可以访问到我们指定的CSV数据文件。 而
csvreader.next()
函数的作用是从CSV中读取一行，每次调用它，它都会移动到下一行。 我们还可以通过
for row in csvreader
使用for循环遍历csv的每一行。 另外，最好确保每一行的列数相同，否则，在处理列表时可能会遇到一些错误。
import csv
filename = "my_data.csv"fields = []rows = []# 读取csv文件with open(filename, 'r') as csvfile: # 创建一个csv reader对象 csvreader = csv.reader(csvfile) # 从文件中第一行中读取属性名称信息 # fields = next(csvreader) python3.2 以上的版本使用 fields = csvreader.next() # 接着一行一行读取数据 for row in csvreader: rows.append(row)# 打印前5行信息for row in rows[:5]: print(row)
在Python将数据写入CSV也很容易，在一个单独的列表中设置属性名称，并将要写入的数据存储在一个列表中。 这一次，我们将创建一个
writer()
对象，并使用它将数据写入文件，这与我们读取数据的方式非常相似。
import csv
# 属性名称fields = ['Name', 'Goals', 'Assists', 'Shots']# csv文件中每一行的数据，一行为一个列表rows = [ ['Emily', '12', '18', '112'], ['Katie', '8', '24', '96'], ['John', '16', '9', '101'], ['Mike', '3', '14', '82']]filename = "soccer.csv"# 将数据写入到csv文件中with open(filename, 'w+') as csvfile: # 创建一个csv writer对象 csvwriter = csv.writer(csvfile) # 写入属性名称 csvwriter.writerow(fields) # 写入数据 csvwriter.writerows(rows)
当然，使用强大的pandas库将会使处理数据变得容易很多，从CSV读取和写入文件都只需要一行代码!
import pandas as pd
filename = "my_data.csv"# 读取csv文件数据data = pd.read_csv(filename)# 打印前5行print(data.head(5))# 将数据写入到csv文件中data.to_csv("new_data.csv", sep=",", index=False)
我们甚至可以使用pandas通过一行代码快速将CSV转换为字典列表。 转换为字典列表之后，我们可以使用
dicttoxml
库将其转换为XML格式，我们还可以将它保存为JSON文件!
import pandas as pd
from dicttoxml import dicttoxmlimport json# 创建一个DataFramedata = {'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())# 将DataFrame转化为一个字典并且将它存储到json文件中data_dict = df.to_dict(orient="records")with open('output.json', "w+") as f: json.dump(data_dict, f, indent=4)# 将DataFrame转化为一个字典并且将它存储到xml文件中xml_data = dicttoxml(data_dict).decode()with open("output.xml", "w+") as f: f.write(xml_data)
JSON数据
JSON提供了一种干净且易于阅读的格式，因为它维护了一个字典风格的结构。 就像CSV一样，Python有一个内置的json模块，使读写变得超级容易！ 从上面的例子可以看到当我们读取CSV时，可以将数据以字典的形式存储，然后再将字典写入文件。
import json
import pandas as pd# 使用json模块从json文件中读取数据# 以字典形式存储with open('data.json') as f: data_listofdict = json.load(f)# 也可以直接使用pandas直接读取json文件data_df = pd.read_json('data.json', orient='records')# 将字典数据保存为json文件# 并使用 'indent' and 'sort_keys' 格式化json文件with open('new_data.json', 'w+') as json_file: json.dump(data_listofdict, json_file, indent=4, sort_keys=True)# 也可以使用pandas将字典结构的数据保存为json文件export = data_df.to_json('new_data.json', orient='records')
正如我们之前看到的，我们可以通过pandas或者使用Python的内置csv模块轻松地将我们的数据存储为CSV文件，而在转化为成XML时，我们使用的是
dicttoxml
库。
import json
import pandas as pdimport csv# 从json文件中读取数据# 数据存储在一个字典列表中with open('data.json') as f: data_listofdict = json.load(f)# 以列表中的字典写入倒csv文件中keys = data_listofdict[0].keys()with open('saved_data.csv', 'w') as output_file: dict_writer = csv.DictWriter(output_file, keys) dict_writer.writeheader() dict_writer.writerows(data_listofdict)
XML数据
XML有点不同于CSV和JSON。 通常，CSV和JSON由于其简单性而被广泛使用。 它们读、写和解释起来既简单又快捷，不需要额外的工作，而且解析JSON或CSV是非常轻量级的。
另一方面，XML往往数据量要大一些。 你如果正在发送更多的数据，这意味着你需要更多的带宽、更多的存储空间和更多的运行时间。 但是与JSON和CSV相比，XML确实具有一些额外的特性： 你可以使用名称空间来构建和共享标准结构、更好的继承表示，以及用XML schema、DTD等表示数据的行业标准化方法。
要读取XML数据，我们将使用Python内置的XML模块的子模块ElementTree。 这里，我们可以使用
xmltodict
库将ElementTree对象转换为字典。 一旦有了字典，我们就可以像上面一样将字典换转换为CSV、JSON或pandas的 DataFrame !
import xml.etree.ElementTree as ET
import xmltodictimport jsontree = 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)
