目录
- Ⅰ Python基础
- 1. Python入门
- 2. 流程控制
- 3. Python函数使用
- 4. Python中的列表
- 5. 字典
- 6. Python中的字符串
- 7. 异常
- Ⅱ Python 进阶
- Ⅲ Python常用类库
- 1. 正则表达式
- 2. 文件读写
- 3. 文件操作
- 4. CSV与JSON
- 5. 日期与时间
- 6. 文本文件
- Ⅳ Python日常工具
- 1. 用 Python 处理电子表格
- 2. DOCX 文档解析与处理
- 3. 用Python进行图像处理
- 4. 使用Python处理PDF文档
- 5. Web信息解析与处理
- 6. Web信息生成与发布
- 7. 自动化Email处理
- Ⅴ 专题
- 1. Pillow图像处理
- 2. OpenCV处理
- 3. 数据库自动化报表处理:使用SQLite
- 4. Python和Web
- 5. Web信息处理
- 6. Web模板引擎
- 7. XML 处理
- Ⅵ 图像处理:使用scikit-image
- 1. skimage数字图像处理基础
- 2. skimage数字图像处理中级
- 3. skimage数字图像处理高级
- Ⅶ 科学计算
- 1. NumPy数值计算
- 2. SciPy科学类库
- 3. SymPy符号运算
- 4. Matplotlib绘图
- 5. Pandas 第一部分
- 6. Pandas 第二部分
- 6.1. Pandas排序
- 6.2. Pandas字符串和文本数据
- lower()函数示例
- upper()函数示例
- len()函数示例
- strip()函数示例
- split(pattern)函数示例
- cat(sep=pattern)函数示例
- get_dummies()函数示例
- contains()函数示例
- replace(a,b)函数示例
- repeat(value)函数示例
- count(pattern)函数示例
- startswith(pattern)函数示例
- endswith(pattern)函数示例
- find(pattern)函数示例
- findall(pattern)函数示例
- swapcase()函数示例
- islower()函数示例
- isupper()函数示例
- isnumeric()函数示例
- 6.3. Pandas选项和自定义
- 6.4. Pandas索引和选择数据
- 6.5. Pandas统计函数
- 6.6. Pandas窗口函数
- 6.7. Pandas聚合
- 6.8. Pandas缺失数据
- 6.9. Pandas分组(GroupBy)
- 6.10. Pandas合并/连接
- 6.11. Pandas级联
- 7. Pandas 第三部分
- Ⅷ 自然语言与知识图谱
下一个主题
4. CSV与JSON¶
处理CSV文件和JSON数据
PDF 和 Word 文档是二进制格式,需要特殊的Python模块来访问它们的数据。 CSV和JSON文件则不同,它们是纯文本文件。 可以用文本编辑器察看它们,诸如IDLE的文件编辑器。 但Python也有专门的 csv 和 json 模块,每个 模块都提供了一些函数,帮助你处理这些文件格式。
CSV 表示 “Comma-Separated Values(逗号分隔的值)”, CSV文件是简化的电子表格,保存为纯文本文件。 Python 的 csv 模块让解析CSV文件变得容易。
JSON(发音为“JAY-sawn”或“Jason”,但如何发音 并不重要。因为无论如何发音,都会有人说你发音错误) 是一种格式,它以 JavaScript 源代码的形式,将信 息保存在纯文本文件中。
JSON是JavaScript Object Notation 的缩写不需要知道 JavaScript编程语言,就可以使用JSON文件,但了解 JSON格式是有用的,因为它用于许多Web应用程序中。 .. toctree:
:maxdepth: 2
textfile-csvmodule
textfile-csvfile
textfile-jsonapi
textfile-json
textfile-weather
textfile-practice1