Python读写常用数据文件的示例详解

 更新时间:2025年01月26日 09:05:12   作者:请为小H留灯  
Python 提供了多种强大的工具和库,可以轻松实现对各种类型文件的读写操作,本文为大家整理了Python读写常用的那些数据文件的方法,希望对大家有所帮助

Python 提供了多种强大的工具和库,可以轻松实现对各种类型文件的读写操作,满足不同场景的数据处理需求。常见的文件类型包括文本文件(txt)、表格文件(CSV、Excel)、结构化数据文件(JSON、YAML、XML)、二进制数据文件(Parquet)、数据库文件(SQLite),以及其他格式如日志文件(log)、压缩文件(ZIP)和PDF文件等。通过内置的 open 函数和标准库模块如 csv、json、sqlite3 等,以及第三方库如 pandas、yaml、fpdf 等,Python 能够快速实现对这些文件的读写操作。这种灵活性和多样性使得 Python 成为处理数据、开发应用和实现自动化工作的首选编程语言之一。

Python 读写 txt 文件

# 写入 TXT 文件
with open('example.txt', 'w', encoding='utf-8') as file:
    file.write("你好,Python 文件读写示例!\n第二行内容。")
 
# 读取 TXT 文件
with open('example.txt', 'r', encoding='utf-8') as file:
    content = file.read()
    print(content)

Python 读写 CSV 文件

import csv
# 写入 CSV 文件
with open('example.csv', 'w', newline='', encoding='utf-8') as file:
    writer = csv.writer(file)
    writer.writerow(["姓名", "年龄", "城市"])
    writer.writerow(["张三", 25, "北京"])
    writer.writerow(["李四", 30, "上海"])
 
# 读取 CSV 文件
with open('example.csv', 'r', encoding='utf-8') as file:
    reader = csv.reader(file)
    for row in reader:
        print(row)

Python 读写 Excel 文件

import pandas as pd
# 写入 Excel 文件
data = {'姓名': ['张三', '李四'], '年龄': [25, 30], '城市': ['北京', '上海']}
df = pd.DataFrame(data)
df.to_excel('example.xlsx', index=False)
 
# 读取 Excel 文件
df_read = pd.read_excel('example.xlsx')
print(df_read)

Python 读写 JSON 文件

import json
# 写入 JSON 文件
data = {'name': '张三', 'age': 25, 'city': '北京'}
with open('example.json', 'w', encoding='utf-8') as file:
    json.dump(data, file, ensure_ascii=False, indent=4)
 
# 读取 JSON 文件
with open('example.json', 'r', encoding='utf-8') as file:
    data_read = json.load(file)
    print(data_read)

Python 读写 SQLite 数据库

import sqlite3
# 创建 SQLite 数据库并写入数据
conn = sqlite3.connect('example.db')
cursor = conn.cursor()
cursor.execute("CREATE TABLE IF NOT EXISTS users (id INTEGER PRIMARY KEY, name TEXT, age INTEGER)")
cursor.execute("INSERT INTO users (name, age) VALUES (?, ?)", ('张三', 25))
conn.commit()
 
# 读取 SQLite 数据库数据
cursor.execute("SELECT * FROM users")
rows = cursor.fetchall()
for row in rows:
    print(row)
conn.close()

Python 读写 XML 文件

import xml.etree.ElementTree as ET
# 写入 XML 文件
root = ET.Element("root")
user = ET.SubElement(root, "user")
ET.SubElement(user, "name").text = "张三"
ET.SubElement(user, "age").text = "25"
tree = ET.ElementTree(root)
tree.write("example.xml", encoding='utf-8', xml_declaration=True)
 
# 读取 XML 文件
tree = ET.parse('example.xml')
root = tree.getroot()
for elem in root.iter():
    print(elem.tag, elem.text)

Python 读写 Parquet 文件

import pandas as pd
# 写入 Parquet 文件
data = {'姓名': ['张三', '李四'], '年龄': [25, 30], '城市': ['北京', '上海']}
df = pd.DataFrame(data)
df.to_parquet('example.parquet', index=False)
 
# 读取 Parquet 文件
df_read = pd.read_parquet('example.parquet')
print(df_read)

Python 读写 YAML 文件

import yaml
# 写入 YAML 文件
data = {'姓名': '张三', '年龄': 25, '城市': '北京'}
with open('example.yaml', 'w', encoding='utf-8') as file:
    yaml.dump(data, file, allow_unicode=True)
 
# 读取 YAML 文件
with open('example.yaml', 'r', encoding='utf-8') as file:
    data_read = yaml.safe_load(file)
    print(data_read)

Python 读写 INI 文件

import configparser
# 写入 INI 文件
config = configparser.ConfigParser()
config['DEFAULT'] = {'Server': 'localhost', 'Port': '8080'}
with open('example.ini', 'w', encoding='utf-8') as configfile:
    config.write(configfile)
 
# 读取 INI 文件
config.read('example.ini', encoding='utf-8')
print(dict(config['DEFAULT']))
 Python 读写 PDF 文件
from fpdf import FPDF
from PyPDF2 import PdfReader
# 写入 PDF 文件
pdf = FPDF()
pdf.add_page()
pdf.set_font('Arial', size=12)
pdf.cell(200, 10, txt="Python PDF 文件", ln=True, align='C')
pdf.output("example.pdf")
 
# 读取 PDF 文件
reader = PdfReader("example.pdf")
for page in reader.pages:
    print(page.extract_text())

Python 读写 ZIP 文件

import zipfile
# 写入 ZIP 文件
with zipfile.ZipFile('example.zip', 'w') as zipf:
    zipf.write('example.txt')
 
# 解压 ZIP 文件
with zipfile.ZipFile('example.zip', 'r') as zipf:
    zipf.extractall('output')

Python 读写 Log 文件

import logging
# 写入日志
logging.basicConfig(filename='example.log', level=logging.INFO, format='%(asctime)s - %(message)s')
logging.info("这是一个日志信息")
logging.warning("这是一个警告信息")
logging.error("这是一个错误信息")
 
# 读取日志
with open('example.log', 'r', encoding='utf-8') as file:
    logs = file.read()
    print(logs)

到此这篇关于Python读写常用数据文件的示例详解的文章就介绍到这了,更多相关Python读写数据文件内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • Python 命令行 prompt_toolkit 库详解

    Python 命令行 prompt_toolkit 库详解

    prompt_toolkit 是一个用于构建强大交互式命令行的 Python 工具库。接下来通过本文给大家介绍Python 命令行 prompt_toolkit 库的相关知识,感兴趣的朋友一起看看吧
    2022-01-01
  • Pandas处理DataFrame稀疏数据及维度不匹配数据分析详解

    Pandas处理DataFrame稀疏数据及维度不匹配数据分析详解

    这篇文章主要为大家介绍了Pandas处理DataFrame稀疏数据及维度不匹配数据分析详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2023-02-02
  • Python实现读取csv文件并进行排序

    Python实现读取csv文件并进行排序

    这篇文章主要为大家详细介绍了一个python简单案例并进行代码展示,本文的案例是利用pandas库实现读取csv文件并按照列的从小到大进行排序,需要的可以参考一下
    2023-02-02
  • Python Pip命令用法大全和技术应用指南

    Python Pip命令用法大全和技术应用指南

    这篇文章为大家详细介绍了Python Pip的全面命令及其应用,包括安装,升级,依赖管理,虚拟环境管理,网络代理等内容,感兴趣的小伙伴可以了解下
    2025-11-11
  • Python抽象基类的定义与使用方法

    Python抽象基类的定义与使用方法

    这篇文章主要介绍了Python抽象基类的定义与使用方法,Python的抽象基类是指必须让继承它的子类去实现它所要求的抽象方法的类,下面文章内容将详细介绍相关资料,需要的朋友可以参考一下
    2021-10-10
  • pytorch训练imagenet分类的方法

    pytorch训练imagenet分类的方法

    今天小编就为大家分享一篇pytorch训练imagenet分类的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-07-07
  • Python遍历字典删除元素的五种方法

    Python遍历字典删除元素的五种方法

    本文主要介绍了Python遍历字典删除元素的五种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧<BR>
    2024-07-07
  • 使用Python手搓一个Windows注册表清理器

    使用Python手搓一个Windows注册表清理器

    这篇文章主要为大家详细介绍了如何使用Python手搓一个Windows注册表清理器,本文将从开发到 EXE 打包进行全面讲解,希望对大家有所帮助
    2025-12-12
  • Pytorch使用PIL和Numpy将单张图片转为Pytorch张量方式

    Pytorch使用PIL和Numpy将单张图片转为Pytorch张量方式

    这篇文章主要介绍了Pytorch使用PIL和Numpy将单张图片转为Pytorch张量方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-05-05
  • 解决Django响应JsonResponse返回json格式数据报错问题

    解决Django响应JsonResponse返回json格式数据报错问题

    这篇文章主要介绍了解决Django响应JsonResponse返回json格式数据报错问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-08-08

最新评论