【自然语言处理通关手册_NLP】1.文本数据的读写

【知识点】

1. txt文本数据的读写:

  •  open,write
  • 参数mode
  • readlines()read()readline()的不同
  • 待解决问题:f.close()、为什么两次open后变空值?

2. CSV及Excel文本数据的读写

  • to_csv(),read_csv()
  • to_excel(),read_excel()
  • 都是上述格式

3.更多的DataFrame操作

4.数据规模太大怎么办

  • 压缩文件
  • 使用精确更低的数据类型
  • 数据分块

 

=====================================================

 

1. txt文本数据的读写

先打开Open,后读取read

1) open(file=文本路径,mode=默认r,encoding=一般为‘utf-8’)

2) mode:

  • r  只读,文件不存在则报错
  • w 只写,文件不存在会先创建,存在则会覆盖原文件
  • a 只写,文件不存在先创建,不会覆盖而是继续写入
  • rb,wb 读写二进制文件

       可读可写,其他同上:

  • r+ 
  • w+ 
  • a+ 

3) f.read

  • read() 读取整个文件,将整个文件内容放入一个str变量中,文件非常大时无法使用
  • readline() 只读文件的一行,该行放到一个str变量中
  • readlines() 读取整个文件,按行将内容放到一个list中

4)f.wirte

5)例子

  • 只读r

【自然语言处理通关手册_NLP】1.文本数据的读写

【自然语言处理通关手册_NLP】1.文本数据的读写

 【自然语言处理通关手册_NLP】1.文本数据的读写

  • 只写w

【自然语言处理通关手册_NLP】1.文本数据的读写

 

 2. CSV及Excel的读写

  • df 是一个dataframe

【自然语言处理通关手册_NLP】1.文本数据的读写

 【自然语言处理通关手册_NLP】1.文本数据的读写

 【自然语言处理通关手册_NLP】1.文本数据的读写

 【自然语言处理通关手册_NLP】1.文本数据的读写

 

4. 数据规模太大

 

 1)压缩文件

  • 压缩类型相应后缀:.gz   .bz2    .zip     .xz

【自然语言处理通关手册_NLP】1.文本数据的读写

 

  2)使用精度更低的数据类型

  • float64占8个字节,有20个数字,则占160个字节

【自然语言处理通关手册_NLP】1.文本数据的读写

  • 通过定义dtypes字典修改

【自然语言处理通关手册_NLP】1.文本数据的读写

 

3)数据分块

  • read_csv中的参数chunksize(每个块的行数大小),返回一个可迭代变量

          (共20行,最后返回4行)

【自然语言处理通关手册_NLP】1.文本数据的读写

 

上一篇:NLP实战01:从简单做起手把手教你一步步Python实现中文文本(新闻文本)分类


下一篇:推荐一套开源中文课:自然语言处理(NLP)专题