文件的理解
文件是数据的抽象和集合
- 文件是存储在辅助存储器上的数据序列
- 文件是数据存储的一种形式
- 文件展现形态:文本文件和二进制文件
文件的理解
文本文件 vs. 二进制文件
- 文件文件和二进制文件只是文件的展示方式
- 本质上,所有文件都是二进制形式存储
- 形式上,所有文件采用两种方式展示
文本文件
文件是数据的抽象和集合
- 由单一特定编码组成的文件,如UTF-8编码
- 由于存在编码,也被看成是存储着的长字符串
- 适用于例如:.txt文件、.py文件等
二进制文件
文件是数据的抽象和集合
- 直接由比特0和1组成,没有统一字符编码
- 一般存在二进制0和1的组织结构,即文件格式
- 适用于例如:.png文件、.avi文件等
文本文件 vs. 二进制文件
"中国是个伟大的国家!"
- 文本形式
b'\xd6\xd0\xb9\xfa\xca\xc7\xb8\xf6\xce\xb0\xb4\xf3\xb5\
xc4\xb9\xfa\xbc\xd2\xa3\xa1'
文本文件 vs. 二进制文件
f.txt文件保存: "中国是个伟大的国家!"
#文本形式打开文件
tf = open("f.txt", "rt") print(tf.readline()) tf.close()
>>>
中国是个伟大的国家!
文本文件 vs. 二进制文件
f.txt文件保存: "中国是个伟大的国家!"
#二进制形式打开文件
bf = open("f.txt", "rb") print(bf.readline()) bf.close()
>>>
b'\xd6\xd0\xb9\xfa\xca\xc7\xb8\xf6\xce\xb0
\xb4\xf3\xb5\xc4\xb9\xfa\xbc\xd2\xa3\xa1'
文件的打开和关闭
文件处理的步骤: 打开-操作-关闭
读文件
a.close()
a.writelines(lines)
a.seek(offset)
写文件
文件的打开
<变量名> = open(<文件名>, <打开模式>)
文件路径和名称
源文件同目录可省路径
文本 or 二进制
读 or 写
文件路径
<变量名> = open(<文件名>, <打开模式>)
D:\PYE\f.txt文件路径和名称
"D:/PYE/f.txt"
"./PYE/f.txt"
源文件同目录可省路径
"D:\\PYE\\f.txt" "f.txt"
打开模式
文件的打开模式 |
描述 |
'r' |
只读模式,默认值,如果文件不存在,返回FileNotFoundError |
'w' |
覆盖写模式,文件不存在则创建,存在则完全覆盖 |
'x' |
创建写模式,文件不存在则创建,存在则返回FileExistsError |
'a' |
追加写模式,文件不存在则创建,存在则在文件最后追加内容 |
'b' |
二进制文件模式 |
't' |
文本文件模式,默认值 |
'+' |
与r/w/x/a一同使用,在原功能基础上增加同时读写功能 |
打开模式
f = open("f.txt")
f = open("f.txt", "rt")
f = open("f.txt", "w")
f = open("f.txt", "a+")
f = open("f.txt", "x")
f = open("f.txt", "b")
f = open("f.txt", "wb")
- 文本形式、只读模式、默认值
- 文本形式、只读模式、同默认值
- 文本形式、覆盖写模式
- 文本形式、追加写模式+ 读文件
- 文本形式、创建写模式
- 二进制形式、只读模式
- 二进制形式、覆盖写模式
文件的关闭
#文本形式打开文件文件使用
tf = open("f.txt", "rt") print(tf.readline()) tf.close()
#二进制形式打开文件
bf = open("f.txt", "rb") print(bf.readline()) bf.close()
文件内容的读取
操作方法 |
描述 |
<f>.read(size=-1) |
读入全部内容,如果给出参数,读入前size长度 >>>s = f.read(2) 中国 |
<f>.readline(size=-1) |
读入一行内容,如果给出参数,读入该行前size长度 >>>s = f.readline() 中国是一个伟大的国家! |
文件内容的读取
操作方法 |
描述 |
<f>.readlines(hint=-1) |
读入文件所有行,以每行为元素形成列表 如果给出参数,读入前hint行 >>>s = f.readlines() ['中国是一个伟大的国家!'] |
文件的全文本操作
遍历全文本:方法一
fname = input("请输入要打开的文件名称:")
fo = open(fname,"r")
txt =
#对全文txt进行处理 fo.close()
- 一次读入,统一处理
文件的全文本操作
遍历全文本:方法二
fname = input("请输入要打开的文件名称:") fo = open(fname,"r")
txt =
while txt != "":
#对txt进行处理 txt =
fo.close()
- 按数量读入,逐步处理
文件的逐行操作
逐行遍历文件:方法一
fname = input("请输入要打开的文件名称:")
fo = open(fname,"r")
for line in
print(line) fo.close()
- 一次读入,分行处理
文件的逐行操作
逐行遍历文件:方法二
fname = input("请输入要打开的文件名称:")
fo = open(fname,"r")
for line in
print(line) fo.close()
- 分行读入,逐行处理
数据的文件写入
操作方法 |
描述 |
<f>.write(s) |
向文件写入一个字符串或字节流 >>>f.write("中国是一个伟大的国家!") |
<f>.writelines(lines) |
将一个元素全为字符串的列表写入文件 >>>ls = ["中国", "法国", "美国"] >>>f.writelines(ls) 中国法国美国 |
数据的文件写入
操作方法 |
描述 |
<f>.seek(offset) |
改变当前文件操作指针的位置,offset含义如下: 0 – 文件开头; 1 – 当前位置; 2 – 文件结尾 >>>f.seek(0) #回到文件开头 |
数据的文件写入
fo = open("output.txt","w+")
ls = ["中国", "法国", "美国"] fo.writelines(ls)
for line in fo:
print(line) fo.close()
- 写入一个字符串列表
>>> (没有任何输出)
数据的文件写入
fo = open("output.txt","w+")
ls = ["中国", "法国", "美国"] fo.writelines(ls)
for line in fo: print(line)
fo.close()
- 写入一个字符串列表
>>>
中国法国美国
实例11: 自动轨迹绘制
"自动轨迹绘制"问题分析
问题分析
自动轨迹绘制
- 需求:根据脚本来绘制图形?
- 不是写代码而是写数据绘制轨迹
- 数据脚本是自动化最重要的第一步
问题分析
自动轨迹绘制
300,0,144,1,0,0
300,0,144,0,1,0
300,0,144,0,0,1
300,0,144,1,1,0
300,0,108,0,1,1
184,0,72,1,0,1
"自动轨迹绘制"实例讲解
自动轨迹绘制
基本思路
- 步骤1:定义数据文件格式(接口)
- 步骤2:编写程序,根据文件接口解析参数绘制图形
- 步骤3:编制数据文件
数据接口定义
非常具有个性色彩
300,0,144,1,0,0
300,1,144,0,1,0
RGB三个通道颜色
行进距离
转向判断
转向角度
0-1之间浮点数
0: 左转 1:右转
#AutoTraceDraw.py
import turtle as t
t.title('自动轨迹绘制') t.setup(800, 600, 0, 0) t.pencolor("red")
t.pensize(5)
#数据读取 datals = []
f = open("data.txt")
for line in f:
line = line.replace("\n","") datals.append(list(map(eval, line.split(","))))
f.close()
#自动绘制
for i in range(len(datals)): t.pencolor(datals[i][3],datals[i][4],datals[i][5]) t.fd(datals[i][0])
if datals[i][1]:
t.right(datals[i][2])
else:
t.left(datals[i][2])
数据文件
data.txt
"自动轨迹绘制"举一反三
import turtle as t
t.title('自动轨迹绘制') t.setup(800, 600, 0, 0) t.pencolor("red")
t.pensize(5) datals = []
f = open("data.txt")
for line in f:
line = line.replace("\n","") datals.append(list(map(eval, line.split(","))))
f.close()
for i in range(len(datals)): t.pencolor(datals[i][3],datals[i][4],datals[i][5]) t.fd(datals[i][0])
if datals[i][1]:
t.right(datals[i][2])
else:
t.left(datals[i][2])
举一反三
理解方法思维
- 自动化思维:数据和功能分离,数据驱动的自动运行
- 接口化设计:格式化设计接口,清晰明了
- 二维数据应用:应用维度组织数据,二维数据最常用
举一反三
应用问题的扩展
- 扩展接口设计,增加更多控制接口
- 扩展功能设计,增加弧形等更多功能
- 扩展应用需求,发展自动轨迹绘制到动画绘制
一维数据的格式化和处理
- 数据组织的维度
数据组织的维度
从一个数据到一组数据
3.14
表达一个含义
一组数据
表达一个或多个含义
维度:一组数据的组织形式
3.1413
3.1398
3.1404
3.1401
3.1349
3.1413,3.1398,3.1404,3.1401,3.1349,3.1376
3.1376 或
3.1398, 3.1349, 3.1376
3.1413, 3.1404, 3.1401
一组数据 数据的组织形式
一维数据
由对等关系的有序或无序数据构成,采用线性方式组织
3.1413, 3.1398, 3.1404, 3.1401, 3.1349, 3.1376
- 对应列表、数组和集合等概念
二维数据
由多个一维数据构成,是一维数据的组合形式
表格是典型的二维数据
其中,表头是二维数据的一部分
多维数据
由一维或二维数据在新维度上扩展形成
时间维度
2016 2017
高维数据
仅利用最基本的二元关系展示数据间的复杂结构
{
"firstName" : "Tian" ,
"lastName" : "Song" ,
"address" : {
键值对
"streetAddr" : "中关村南大街5号" ,
"city" : "北京市" ,
"zipcode" : "100081"
} ,
"professional" : ["Computer Networking" , "Security"]
}
数据的操作周期
存储格式 数据类型 操作方式
一维数据的表示
如果数据间有序:使用列表类型
ls = [3.1398, 3.1349, 3.1376]
- 列表类型可以表达一维有序数据
- for循环可以遍历数据,进而对每个数据进行处理
一维数据的表示
如果数据间无序:使用集合类型
st = {3.1398, 3.1349, 3.1376}
- 集合类型可以表达一维无序数据
- for循环可以遍历数据,进而对每个数据进行处理
一维数据的存储
存储方式一:空格分隔
中国 美国 日本 德国 法国 英国 意大利
- 使用一个或多个空格分隔进行存储,不换行
- 缺点:数据中不能存在空格
一维数据的存储
存储方式二:逗号分隔
中国,美国,日本,德国,法国,英国,意大利
- 使用英文半角逗号分隔数据进行存储,不换行
- 缺点:数据中不能有英文逗号
一维数据的存储
存储方式三:其他方式
中国$美国$日本$德国$法国$英国$意大利
- 使用其他符号或符号组合分隔,建议采用特殊符号
- 缺点:需要根据数据特点定义,通用性较差
一维数据的处理
数据的处理
存储 <-> 表示
数据存储 数据表示
存储格式 数据类型
- 将存储的数据读入程序
- 将程序表示的数据写入文件
一维数据的读入处理
从空格分隔的文件中读入数据
中国 美国 日本 德国 法国 英国 意大利
txt = open(fname).read()
ls = f.close()
>>> ls
['中国', '美国', '日本', '德国
', '法国', '英国', '意大利']
一维数据的读入处理
从特殊符号分隔的文件中读入数据
中国$美国$日本$德国$法国$英国$意大利
txt = open(fname).read()
ls = f.close()
>>> ls
['中国', '美国', '日本', '德国
', '法国', '英国', '意大利']
一维数据的写入处理
采用空格分隔方式将数据写入文件
ls = ['中国', '美国', '日本']
f.close()f = open(fname, 'w')
一维数据的写入处理
采用特殊分隔方式将数据写入文件
ls = ['中国', '美国', '日本']
f = open(fname, 'w')
f.close()
二维数据的格式化和处理
- 二维数据的表示
二维数据的表示
使用列表类型
- 列表类型可以表达二维数据
- 使用二维列表
[ [3.1398, 3.1349, 3.1376],
[3.1413, 3.1404, 3.1401] ]
二维数据的表示
使用列表类型
[ [3.1398, 3.1349, 3.1376],
[3.1413, 3.1404, 3.1401] ]
- 使用两层for循环遍历每个元素
- 外层列表中每个元素可以对应一行,也可以对应一列
一二维数据的Python表示
数据维度是数据的组织形式
- 一维数据:列表和集合类型
[3.1398, 3.1349, 3.1376] 数据间有序
{3.1398, 3.1349, 3.1376} 数据间无序
- 二维数据:列表类型
[ [3.1398, 3.1349, 3.1376],
[3.1413, 3.1404, 3.1401] ]
CSV格式与二维数据存储
CSV数据存储格式
CSV: Comma-Separated Values
- 国际通用的一二维数据存储格式,一般.csv扩展名
- 每行一个一维数据,采用逗号分隔,无空行
- Excel软件可读入输出,一般编辑软件都可以产生
CSV数据存储格式
城市,环比,同比,定基
北京,101.5,120.7,121.4上海,101.2,127.3,127.8广州,101.3,119.4,120.0深圳,102.0,140.0,145.5沈阳,100.0,101.4,101.6
CSV数据存储格式
CSV: Comma-Separated Values
- 如果某个元素缺失,逗号仍要保留
- 二维数据的表头可以作为数据存储,也可以另行存储
- 逗号为英文半角逗号,逗号与数据之间无额外空格
二维数据的存储
按行存?按列存?
- 按行存或者按列存都可以,具体由程序决定
- 一般索引习惯:ls[row][column],先行后列
- 根据一般习惯,外层列表每个元素是一行,按行存
二维数据的处理
二维数据的读入处理
从CSV格式的文件中读入数据
fo = open(fname) ls = []
line in fo:
line = line.replace("\n","")
fo.close()
二维数据的写入处理
将数据写入CSV格式的文件
ls = [[], [], []] #二维列表
f = open(fname, 'w') item in ls:
f.close()
二维数据的逐一处理
采用二层循环
ls = [[], [], []] #二维列表
for row in ls:
for column in row: print(ls[row][column])
模块6: wordcloud库的使用
wordcloud库基本介绍
wordcloud库概述
- 词云以词语为基本单位,更加直观和艺术的展示文本
wordcloud库的安装
(cmd命令行) pip install wordcloud
wordcloud库基本使用
wordcloud库把词云当作一个WordCloud对象
- wordcloud.WordCloud()代表一个文本对应的词云
- 可以根据文本中词语出现的频率等参数绘制词云
- 绘制词云的形状、尺寸和颜色都可以设定
wordcloud库常规方法
w = wordcloud.WordCloud()
- 以WordCloud对象为基础
- 配置参数、加载文本、输出文件
wordcloud库常规方法
w = wordcloud.WordCloud()
方法 |
描述 |
w.generate(txt) |
向WordCloud对象w中加载文本txt, >>>w.generate("Python and WordCloud") |
w.to_file(filename) |
将词云输出为图像文件,.png或.jpg格式 >>>w.to_file("outfile.png") |
wordcloud库常规方法
import wordcloud
c = wordcloud.WordCloud() c.generate("wordcloud by Python") c.to_file("pywordcloud.png")
- 步骤1:配置对象参数
- 步骤2:加载词云文本
- 步骤3:输出词云文件
wordcloud库常规方法
200
400
wordcloud库常规方法
"wordcloud by Python"
① 分隔: 以空格分隔单词
文本 ② 统计: 单词出现次数并过滤 词云
③ 字体: 根据统计配置字号
④ 布局: 颜色环境尺寸
配置对象参数
w = wordcloud.WordCloud(<参数>)
参数 |
描述 |
width |
指定词云对象生成图片的宽度,默认400像素 >>>w=wordcloud.WordCloud(width=600) |
height |
指定词云对象生成图片的高度,默认200像素 >>>w=wordcloud.WordCloud(width=400) |
配置对象参数
参数 |
描述 |
min_font_size |
指定词云中字体的最小字号,默认4号 >>>w=wordcloud.WordCloud(min_font_size=10) |
max_font_size |
指定词云中字体的最大字号,根据高度自动调节 >>>w=wordcloud.WordCloud(min_font_size=20) |
font_step |
指定词云中字体字号的步进间隔,默认为1 >>>w=wordcloud.WordCloud(font_step=2) |
配置对象参数
参数 |
描述 |
font_path |
指定字体文件的路径,默认None >>>w=wordcloud.WordCloud(font_path="msyh.ttc") |
max_words |
指定词云显示的最大单词数量,默认200 >>>w=wordcloud.WordCloud(max_words=20) |
stop_words |
指定词云的排除词列表,即不显示的单词列表 >>>w=wordcloud.WordCloud(stop_words={"Python"}) |
配置对象参数
参数 |
描述 |
mask |
指定词云形状,默认为长方形,需要引用imread()函数 >>>from scipy.misc import imread >>>mk=imread("pic.png") >>>w=wordcloud.WordCloud(mask=mk) |
background_color |
指定词云图片的背景颜色,默认为黑色 >>>w=wordcloud.WordCloud(background_color="white") |
wordcloud应用实例
import wordcloud
txt = "life is short, you need python" w = wordcloud.WordCloud( \
background_color = "white") w.generate(txt) w.to_file("pywcloud.png")
以空格分隔单词
import jieba
import wordcloud
txt = "程序设计语言是计算机能够理解和\识别用户操作意图的一种交互体系,它按照\特定规则组织计算机指令,使计算机能够自\动进行各种运算处理。"
w = wordcloud.WordCloud( width=1000,\ font_path="msyh.ttc",height=700)
w.generate(" ".join(jieba.lcut(txt)))
w.to_file("pywcloud.png") 中文需要先分词并组成空格分隔字符串
实例12: 政府工作报告词云
"政府工作报告词云"问题分析
问题分析
直观理解政策文件
- 需求:对于政府工作报告等政策文件,如何直观理解?
-体会直观的价值:生成词云 & 优化词云
政府工作报告等文件 有效展示的词云
问题分析
《决胜全面建成小康社会 夺取新时代中国特色社会主义伟大胜利》
在中国共产党第十九次全国代表大会上的报告
(2017年10月18日)
习近平
https://python123.io/resources/pye/新时代中国特色社会主义.txt
问题分析
《中共中央 国务院关于实施乡村振兴战略的意见》
2018一号文件
(2018年01月02日)
中共中央 国务院
https://python123.io/resources/pye/关于实施乡村振兴战略的意见.txt
"政府工作报告词云"实例讲解(上)
政府工作报告词云
基本思路
- 步骤1:读取文件、分词整理
- 步骤2:设置并输出词云
- 步骤3:观察结果,优化迭代
#GovRptWordCloudv1.py
import jieba
import wordcloud
f = open("新时代中国特色社会主义.txt", "r", encoding="utf-8") t = f.read()
f.close()
ls = jieba.lcut(t)
txt = " ".join(ls)
w = wordcloud.WordCloud( font_path = "msyh.ttc",\
width = 1000, height = 700, background_color = "white", \
)
w.generate(txt)
w.to_file("grwordcloud.png")
新时代中国特色社会主义
#GovRptWordCloudv1.py
import jieba
import wordcloud
f = open("关于实施乡村振兴战略的意见.txt", "r", encoding="utf-8") t = f.read()
f.close()
ls = jieba.lcut(t)
txt = " ".join(ls)
w = wordcloud.WordCloud( font_path = "msyh.ttc",\
width = 1000, height = 700, background_color = "white", \)
w.generate(txt) w.to_file("grwordcloud.png")
2018年一号文件
#GovRptWordCloudv1.py
import jieba
import wordcloud
f = open("新时代中国特色社会主义.txt", "r", encoding="utf-8") t = f.read()
f.close()
ls = jieba.lcut(t)
txt = " ".join(ls)
w = wordcloud.WordCloud( font_path = "msyh.ttc",\
width = 1000, height = 700, background_color = "white", \ max_words = 15)
w.generate(txt) w.to_file("grwordcloud.png")
新时代中国特色社会主义
#GovRptWordCloudv1.py
import jieba
import wordcloud
f = open("关于实施乡村振兴战略的意见.txt", "r", encoding="utf-8") t = f.read()
f.close()
ls = jieba.lcut(t)
txt = " ".join(ls)
w = wordcloud.WordCloud( font_path = "msyh.ttc",\
width = 1000, height = 700, background_color = "white", \ max_words = 15)
w.generate(txt) w.to_file("grwordcloud.png")
2018年一号文件
"政府工作报告词云"实例讲解(下)
政府工作报告词云
更有形的词云
#GovRptWordCloudv2.py
import jieba
f = open("新时代中国特色社会主义.txt", "r", encoding="utf-8")import wordcloud
t = f.read() f.close()
ls = jieba.lcut(t) txt = " ".join(ls)
w = wordcloud.WordCloud( font_path = "msyh.ttc", mask = mask\
width = 1000, height = 700, background_color = "white", \)
w.generate(txt) w.to_file("grwordcloud.png")
新时代中国特色社会主义 2018年一号文件
#GovRptWordCloudv2.py
import jieba
f = open("新时代中国特色社会主义.txt", "r", encoding="utf-8")import wordcloud
t = f.read() f.close()
ls = jieba.lcut(t) txt = " ".join(ls)
w = wordcloud.WordCloud( font_path = "msyh.ttc", mask = mask\
width = 1000, height = 700, background_color = "white", \)
w.generate(txt) w.to_file("grwordcloud.png")
新时代中国特色社会主义 2018年一号文件
"政府工作报告词云"举一反三
举一反三
扩展能力
- 了解wordcloud更多参数,扩展词云能力
- 特色词云:设计一款属于自己的特色词云风格
- 更多文件:用更多文件练习词云生成