导读:今天首席CTO笔记来给各位分享关于python读取文件有多少行的相关内容,如果能碰巧解决你现在面临的问题,别忘了关注本站,现在开始吧!
python读取txt文件多少行以下是读取hanoi.py程序行数的示例程序,供参考。
f=open('hanoi.py','r')
lines=f.readlines()
f.close()
n=0
forlineinlines:
n=n+1
print(n)
Python按行读取文件的简单实现方法Python按行读取文件的简单实现方法
下面小编就为大家带来一篇Python按行读取文件的简单实现方法。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。
1:readline()
file=open("sample.txt")
while1:
line=file.readline()
ifnotline:
break
pass#dosomething
file.close()
一行一行得从文件读数据,显然比较慢;
不过很省内存;
测试读10M的sample.txt文件,每秒大约读32000行;
2:fileinput
importfileinput
forlineinfileinput.input("sample.txt"):
pass
写法简单一些,不过测试以后发现每秒只能读13000行数据,效率比上一种方法慢了两倍多;
3:readlines()
file=open("sample.txt")
while1:
lines=file.readlines(100000)
ifnotlines:
break
forlineinlines:
pass#dosomething
file.close()
用同样的数据测试,它每秒可以读96900行数据!效率是第一种方法的3倍,第二种方法的7倍!
4:文件迭代器
每次只读取和显示一行,读取大文件时应该这样:
file=open("sample.txt")
forlineinfile:
pass#dosomething
file.close()
以上就是小编为大家带来的Python按行读取文件的简单实现方法全部内容了
数据有多行,用python进行文件读取,并将文件所有行的前21个数据保存到一个二维列表中,最后一个data=[]
for?i?in?range(文件数):
????data.append([])
????data[i].append(前21行个数据为一个列表)
????
效果:data=[[前21行],[前21行],前21行],[前21行]]
python3?环境
python记录读取文件多少行,下次继续从上次可以先把所以的数据放在一个1.txt文件,再建一个2.txt,把读到的最后那行保存为一个2.txt文件,里面只有你读取过程中,最后成功处理的文件路径名称,下次通过这个2.txt去1.txt里面找到第几行,程序接着这一行继续就行了。
python读取CSV文件
读取一个CSV文件
最全的
一个简化版本
filepath_or_buffer:str,pathlib。str,pathlib.Path,py._path.local.LocalPathoranyobjectwitharead()method(suchasafilehandleorStringIO)
可以是URL,可用URL类型包括:http,ftp,s3和文件。对于多文件正在准备中
本地文件读取实例:://localhost/path/to/table.csv
**sep**:str,default‘,’
指定分隔符。如果不指定参数,则会尝试使用逗号分隔。分隔符长于一个字符并且不是‘\s+’,将使用python的语法分析器。并且忽略数据中的逗号。正则表达式例子:'\r\t'
**delimiter**:str,defaultNone
定界符,备选分隔符(如果指定该参数,则sep参数失效)
delim_whitespace:boolean,defaultFalse.
指定空格(例如’‘或者’‘)是否作为分隔符使用,等效于设定sep='\s+'。如果这个参数设定为Ture那么delimiter参数失效。
在新版本0.18.1支持
header:intorlistofints,default‘infer’
指定行数用来作为列名,数据开始行数。如果文件中没有列名,则默认为0,否则设置为None。如果明确设定header=0就会替换掉原来存在列名。header参数可以是一个list例如:[0,1,3],这个list表示将文件中的这些行作为列标题(意味着每一列有多个标题),介于中间的行将被忽略掉。
注意:如果skip_blank_lines=True那么header参数忽略注释行和空行,所以header=0表示第一行数据而不是文件的第一行。
**names**:array-like,defaultNone
用于结果的列名列表,如果数据文件中没有列标题行,就需要执行header=None。默认列表中不能出现重复,除非设定参数mangle_dupe_cols=True。
index_col:intorsequenceorFalse,defaultNone
用作行索引的列编号或者列名,如果给定一个序列则有多个行索引。
如果文件不规则,行尾有分隔符,则可以设定index_col=False来是的pandas不适用第一列作为行索引。
usecols:array-like,defaultNone
返回一个数据子集,该列表中的值必须可以对应到文件中的位置(数字可以对应到指定的列)或者是字符传为文件中的列名。例如:usecols有效参数可能是[0,1,2]或者是[‘foo’,‘bar’,‘baz’]。使用这个参数可以加快加载速度并降低内存消耗。
as_recarray:boolean,defaultFalse
不赞成使用:该参数会在未来版本移除。请使用pd.read_csv(...).to_records()替代。
返回一个Numpy的recarray来替代DataFrame。如果该参数设定为True。将会优先squeeze参数使用。并且行索引将不再可用,索引列也将被忽略。
**squeeze**:boolean,defaultFalse
如果文件值包含一列,则返回一个Series
**prefix**:str,defaultNone
在没有列标题时,给列添加前缀。例如:添加‘X’成为X0,X1,...
**mangle_dupe_cols**:boolean,defaultTrue
重复的列,将‘X’...’X’表示为‘X.0’...’X.N’。如果设定为false则会将所有重名列覆盖。
dtype:Typenameordictofcolumn-type,defaultNone
每列数据的数据类型。例如{‘a’:np.float64,‘b’:np.int32}
**engine**:{‘c’,‘python’},optional
Parserenginetouse.TheCengineisfasterwhilethepythonengineiscurrentlymorefeature-complete.
使用的分析引擎。可以选择C或者是python。C引擎快但是Python引擎功能更加完备。
converters:dict,defaultNone
列转换函数的字典。key可以是列名或者列的序号。
true_values:list,defaultNone
ValuestoconsiderasTrue
false_values:list,defaultNone
ValuestoconsiderasFalse
**skipinitialspace**:boolean,defaultFalse
忽略分隔符后的空白(默认为False,即不忽略).
skiprows:list-likeorinteger,defaultNone
需要忽略的行数(从文件开始处算起),或需要跳过的行号列表(从0开始)。
skipfooter:int,default0
从文件尾部开始忽略。(c引擎不支持)
skip_footer:int,default0
不推荐使用:建议使用skipfooter,功能一样。
nrows:int,defaultNone
需要读取的行数(从文件头开始算起)。
na_values:scalar,str,list-like,ordict,defaultNone
一组用于替换NA/NaN的值。如果传参,需要制定特定列的空值。默认为‘1.#IND’,‘1.#QNAN’,‘N/A’,‘NA’,‘NULL’,‘NaN’,‘nan’`.
**keep_default_na**:bool,defaultTrue
如果指定na_values参数,并且keep_default_na=False,那么默认的NaN将被覆盖,否则添加。
**na_filter**:boolean,defaultTrue
是否检查丢失值(空字符串或者是空值)。对于大文件来说数据集中没有空值,设定na_filter=False可以提升读取速度。
verbose:boolean,defaultFalse
是否打印各种解析器的输出信息,例如:“非数值列中缺失值的数量”等。
skip_blank_lines:boolean,defaultTrue
如果为True,则跳过空行;否则记为NaN。
**parse_dates**:booleanorlistofintsornamesorlistoflistsordict,defaultFalse
infer_datetime_format:boolean,defaultFalse
如果设定为True并且parse_dates可用,那么pandas将尝试转换为日期类型,如果可以转换,转换方法并解析。在某些情况下会快5~10倍。
**keep_date_col**:boolean,defaultFalse
如果连接多列解析日期,则保持参与连接的列。默认为False。
date_parser:function,defaultNone
用于解析日期的函数,默认使用dateutil.parser.parser来做转换。Pandas尝试使用三种不同的方式解析,如果遇到问题则使用下一种方式。
1.使用一个或者多个arrays(由parse_dates指定)作为参数;
2.连接指定多列字符串作为一个列作为参数;
3.每行调用一次date_parser函数来解析一个或者多个字符串(由parse_dates指定)作为参数。
**dayfirst**:boolean,defaultFalse
DD/MM格式的日期类型
**iterator**:boolean,defaultFalse
返回一个TextFileReader对象,以便逐块处理文件。
chunksize:int,defaultNone
文件块的大小,SeeIOToolsdocsformoreinformationoniteratorandchunksize.
compression:{‘infer’,‘gzip’,‘bz2’,‘zip’,‘xz’,None},default‘infer’
直接使用磁盘上的压缩文件。如果使用infer参数,则使用gzip,bz2,zip或者解压文件名中以‘.gz’,‘.bz2’,‘.zip’,or‘xz’这些为后缀的文件,否则不解压。如果使用zip,那么ZIP包中国必须只包含一个文件。设置为None则不解压。
新版本0.18.1版本支持zip和xz解压
thousands:str,defaultNone
千分位分割符,如“,”或者“."
decimal:str,default‘.’
字符中的小数点(例如:欧洲数据使用’,‘).
float_precision:string,defaultNone
SpecifieswhichconvertertheCengineshoulduseforfloating-pointvalues.TheoptionsareNonefortheordinaryconverter,highforthehigh-precisionconverter,andround_tripfortheround-tripconverter.
指定
**lineterminator**:str(length1),defaultNone
行分割符,只在C解析器下使用。
**quotechar**:str(length1),optional
引号,用作标识开始和解释的字符,引号内的分割符将被忽略。
quoting:intorcsv.QUOTE_*instance,default0
控制csv中的引号常量。可选QUOTE_MINIMAL(0),QUOTE_ALL(1),QUOTE_NONNUMERIC(2)orQUOTE_NONE(3)
doublequote:boolean,defaultTrue
双引号,当单引号已经被定义,并且quoting参数不是QUOTE_NONE的时候,使用双引号表示引号内的元素作为一个元素使用。
escapechar:str(length1),defaultNone
当quoting为QUOTE_NONE时,指定一个字符使的不受分隔符限值。
comment:str,defaultNone
标识着多余的行不被解析。如果该字符出现在行首,这一行将被全部忽略。这个参数只能是一个字符,空行(就像skip_blank_lines=True)注释行被header和skiprows忽略一样。例如如果指定comment='#'解析‘#empty\na,b,c\n1,2,3’以header=0那么返回结果将是以’a,b,c'作为header。
encoding:str,defaultNone
指定字符集类型,通常指定为'utf-8'.ListofPythonstandardencodings
dialect:strorcsv.Dialectinstance,defaultNone
如果没有指定特定的语言,如果sep大于一个字符则忽略。具体查看csv.Dialect文档
tupleize_cols:boolean,defaultFalse
Leavealistoftuplesoncolumnsasis(defaultistoconverttoaMultiIndexonthecolumns)
error_bad_lines:boolean,defaultTrue
如果一行包含太多的列,那么默认不会返回DataFrame,如果设置成false,那么会将改行剔除(只能在C解析器下使用)。
warn_bad_lines:boolean,defaultTrue
如果error_bad_lines=False,并且warn_bad_lines=True那么所有的“badlines”将会被输出(只能在C解析器下使用)。
**low_memory**:boolean,defaultTrue
分块加载到内存,再低内存消耗中解析。但是可能出现类型混淆。确保类型不被混淆需要设置为False。或者使用dtype参数指定类型。注意使用chunksize或者iterator参数分块读入会将整个文件读入到一个Dataframe,而忽略类型(只能在C解析器中有效)
**buffer_lines**:int,defaultNone
不推荐使用,这个参数将会在未来版本移除,因为他的值在解析器中不推荐使用
compact_ints:boolean,defaultFalse
不推荐使用,这个参数将会在未来版本移除
如果设置compact_ints=True,那么任何有整数类型构成的列将被按照最小的整数类型存储,是否有符号将取决于use_unsigned参数
use_unsigned:boolean,defaultFalse
不推荐使用:这个参数将会在未来版本移除
如果整数列被压缩(i.e.compact_ints=True),指定被压缩的列是有符号还是无符号的。
memory_map:boolean,defaultFalse
如果使用的文件在内存内,那么直接map文件使用。使用这种方式可以避免文件再次进行IO操作。
ref:
怎么用python读取txt文件里指定行的内容,并导入excel?全文使用的是xlswriter模块写的,也有人使用?xlrd与?xlutils模块实现,不过还未进行验证
importxlsxwriter
workbook=xlsxwriter.Workbook("D:\\ProgramFiles\\subpy\\sql2.xlsx")#在指定目录下创建一个excle
worksheet=workbook.add_worksheet("students")#新建一个sheet
title_index=["A","B","C","D"]#sheet中的区域
li=[]#定义一个空列表
blod=workbook.add_format({"bold":True})#定义exlce中写入的字体withopen("D:\\ProgramFiles\\subpy\\tets.txt",'r')asf1:#打开txt文档
lines=f1.readlines()#读取所有行内容
n=-1#定义一个变量
forxinlines:#逐行读取
n=n+1
li.append(x[:-1])#去掉回车符
y=x.split#以空格分字符
foriinrange(len(title_index)):#读取excle区域下标
#fori,jinenumerate(title_index):
content=y[i]#单个字符读取
worksheet.write(n,i,content,blod)#分行分列写入workbook.
close#关闭excle
txt文件可以用行号,用readlines读取出来的数据是一个列表,你可以使用:
f=open('','r')
line=f.readlines()
line_need=line[行号-1]
这样来取指定行
结语:以上就是首席CTO笔记为大家整理的关于python读取文件有多少行的全部内容了,感谢您花时间阅读本站内容,希望对您有所帮助,更多关于python读取文件有多少行的相关内容别忘了在本站进行查找喔。
logo设计
创造品牌价值
¥500元起
APP开发
量身定制,源码交付
¥2000元起
商标注册
一个好品牌从商标开始
¥1480元起
公司注册
注册公司全程代办
¥0元起
查
看
更
多