大數(shù)據(jù)采集與預(yù)處理課件：存儲數(shù)據(jù)-CSV和JSON格式

存儲數(shù)據(jù)——學(xué)生就業(yè)信息數(shù)據(jù)讀寫和數(shù)據(jù)持久化本章學(xué)習(xí)目標(biāo)了解MySQL的基本概念掌握MySQL的安裝和操作方法了解PyMySQL和MySQL的區(qū)別掌握PyMySQL的安裝和基本用法了解CSV和JSON的基礎(chǔ)知識和數(shù)據(jù)類型轉(zhuǎn)換掌握CSV和JSON數(shù)據(jù)的讀取和寫入操作3.4CSV和JSON 3.4.1CSV的概述

CSV（Comma-SeparatedValues）雖然名為逗號分隔符值，但也可以稱為字符分隔符值，即可以使用其他符號作為分隔符。CSV是以字符序列的方式，以純文本形式保存表格數(shù)據(jù)，以一行為一條記錄，記錄間以換行符為分隔。類似于EXCEL表格，CSV以字段的形式表示數(shù)據(jù)，每行記錄都有多個字段組成，且所有記錄都相同字段。如果先得到數(shù)據(jù)格式為Excel或者TXT，那么必須要轉(zhuǎn)換格式。1）將TXT文件轉(zhuǎn)換為CSV格式。圖3-14所示為TXT文件，執(zhí)行“文件”→“另存為”菜單命令，修改保存文件格式為“.csv”，在“編碼”下拉列表框中選擇正確的編碼格式后單擊“保存”按鈕，如圖3-15所示。圖3-14TXT文件a)b)圖3-15將TXT文件轉(zhuǎn)換為CSV格式a)執(zhí)行“另存為”菜單命令b)設(shè)置保存文件的后綴名為.csv2）將Excel文件轉(zhuǎn)換為CSV格式。圖3-16所示為Excel文件，執(zhí)行“文件”→“另存為”→“其他格式”菜單命令，文件類型選擇“*.csv”，單擊“保存”按鈕，如圖3-17所示。圖3-16Excel文件b)a)圖3-17將Excel文件轉(zhuǎn)換為CSV格式a)執(zhí)行“另存為”菜單命令b)設(shè)置保存文件的后綴名為.csv3）CSV文件分析

上面的CSV文件的結(jié)構(gòu)主要分為兩個部分：文件頭和文件內(nèi)容。其中，文件頭是由多個字段組成（班級，先就業(yè)公司名稱，工作崗位，大學(xué)擔(dān)任職務(wù)），其他部分為文件內(nèi)容。因此，可以通過CSV文件的行和字段獲取特定內(nèi)容。3.4.2輸出CSV文件頭部【實例3-2】接下來輸出該CSV文件的頭部信息：班級、現(xiàn)就業(yè)公司名稱、工作崗位、大學(xué)擔(dān)任職務(wù)。1）Python文件中導(dǎo)入CSV庫importcsv2）指定需要輸出的CSV文件名字filetouse='公司名單.csv'3）使用withopen方法打開該文件。其中，filetouse為文件名，‘r’表示該文件為只讀，encoding表示該文件的編碼方式為utf-8。withopen(filetouse,'r',encoding='utf-8')asf:4）使用csv.reader方法創(chuàng)建數(shù)據(jù)讀取對象r=csv.reader(f)5）使用next方法讀取第一行的頭部數(shù)據(jù)，并將焦點轉(zhuǎn)到下一行。file_header=next(r)6）輸出結(jié)果print(file_header)7）顯示結(jié)果[‘班級','現(xiàn)就業(yè)公司名稱','工作崗位','大學(xué)擔(dān)任職務(wù)']完成代碼如下。importcsvfiletouse='公司名單.csv'withopen(filetouse,'r',encoding='utf-8')asf:r=csv.reader(f)file_header=next(r)print(file_header)3.4.3使用Python讀取CSV文件數(shù)據(jù)【實例3-3】獲得了該CSV文件的頭部字段信息，但是如何獲取某個記錄的具體信息呢？例如，我們要獲得“大學(xué)擔(dān)任職務(wù)”字段中值為“團支書”的記錄。提取數(shù)據(jù)：1）Python文件中導(dǎo)入CSV庫。importcsv2）指定需要輸出的CSV文件名字filetouse='公司名單.csv'3）使用withopen方法打開該文件。其中，filetouse為文件名，‘r’表示該文件為只讀，encoding表示該文件的編碼方式為utf-8。withopen(filetouse,'r',encoding='utf-8')asf:4）使用csv.reader方法創(chuàng)建數(shù)據(jù)讀取對象r=csv.reader(f)5）使用next方法讀取第一行的頭部數(shù)據(jù)，并將焦點轉(zhuǎn)到下一行。file_header=next(r)6）輸出結(jié)果print(file_header)7）通過自定義變量id和file_header_col，以for循環(huán)的方式，使用enumerate方法將file_header的值導(dǎo)出，并打印。其中，enumerate方法將把頭文件中的內(nèi)容以索引號和文字的形式劃分。forid,file_header_colinenumerate(file_header):print(id,file_header_col)8）輸出結(jié)果。Id為索引號，file_header為公司頭文件字段。由此可知，字段“大學(xué)擔(dān)任職務(wù)”的索引號為3。0班級1現(xiàn)就業(yè)公司名稱2工作崗位3大學(xué)擔(dān)任職務(wù)9）使用自定義變量row獲得for循環(huán)中CSV模塊讀取的文件對象r，并在循環(huán)中使用if條件語句判斷每行中row[3]（第四個元素）的值為“團支書”，并打印出結(jié)果。forrowinr:ifrow[3]=='團支書':print(row)10）顯示結(jié)果 ['軟件1120','重慶虛擬人生科技有限公司','技術(shù)員','團支書']這樣，我們就通過對CSV模塊的操作，提取了特定的內(nèi)容。3.4.4使用Python寫入CSV文件數(shù)據(jù)【實例3-3】獲得了該CSV文件的頭部字段信息，但是如何獲取某個記錄的具體信息呢？例如，我們要獲得“大學(xué)擔(dān)任職務(wù)”字段中值為“團支書”的記錄。提取數(shù)據(jù)：1）Python文件中導(dǎo)入CSV庫。importcsv2）指定需要輸出的CSV文件名字filetouse='愛國主義精神.csv'3）使用withopen方法打開該文件。其中，filetouse為文件名，‘r’表示該文件為只讀，encoding表示該文件的編碼方式為utf-8。withopen(filetouse,'r',encoding='utf-8')asf:【實例3-4】本實例實現(xiàn)寫入數(shù)據(jù)。1）Python文件導(dǎo)入CSV庫importcsv2）使用withopen方法打開該文件。其中，‘公司名單.csv’為需要寫入的文件名，‘a(chǎn)’表示向文件附加寫入內(nèi)容，encoding表示該文件的編碼方式為utf-8。withopen('愛國主義精神.csv','a',encoding='utf-8')asf:3）使用csv.writer方法創(chuàng)建數(shù)據(jù)寫入對象wr=csv.writer(f)4）開始寫入數(shù)據(jù)，這里有可以使用writerow和writerows兩種方法。第一種方法一次寫入一行記錄，第二種方法一次寫入多行記錄。wr.writerows([['創(chuàng)造精神','奮斗精神'],['團結(jié)精神','夢想精神']])wr.writerow(['創(chuàng)造精神','奮斗精神'])wr.writerow(['團結(jié)精神','夢想精神'])5）讀取并顯示寫入后的文件withopen('愛國主義精神.csv','r',encoding='utf-8')asf2:r=csv.reader(f2)forrowinr:print(row)6）顯示結(jié)果['創(chuàng)造精神','奮斗精神']['團結(jié)精神','夢想精神']3.4.5JSON的概述 JSON(JavaScript對象表示法)是一種輕量級的數(shù)據(jù)交換格式。對人類很容易讀和寫。機器很容易解析和生成。它是基于JavaScript編程語言的一個子集。JSON是一種完全獨立于語言的文本格式,但對于熟悉C-family語言的程序員,包括C、C++、C#、Java、JavaScript、Perl、Python等其他許多人來說，這些性質(zhì)使JSON成為一種理想的數(shù)據(jù)交換語言。1.JSON是建立在兩種結(jié)構(gòu)1）鍵/值對的集合。在各種語言中,這是實現(xiàn)為對象、記錄、結(jié)構(gòu)、字典、哈希表、鍵列表或關(guān)聯(lián)數(shù)組。2）值的有序列表。在大多數(shù)語言中,是實現(xiàn)一個數(shù)組，向量、列表或序列。這些都是通用的數(shù)據(jù)結(jié)構(gòu)。幾乎所有現(xiàn)代編程語言都支持一種或另一種形式。這就使得不同的編程語言之間的數(shù)據(jù)結(jié)構(gòu)互換能夠基于這種JSON結(jié)構(gòu)。2.JSON文件分析下面以一個JSON格式的數(shù)據(jù)為例。{"people":[{"name":"Simon","age":"22"},{"name":"Tom","age":"24"},{"name":"Jack","age":"26"}]}在這個實例中，花括號{}之間為JSON鍵值對數(shù)據(jù)，其中”people”為鍵，方括號的內(nèi)容為值。同時，在方括號中，有嵌套了三個鍵為”name”和”age”，值分別為”Simon”和”22”、”Tom”和”24”、”Jack”和”26”的JSON數(shù)據(jù)。從面向?qū)ο蟮慕嵌葋矸治?，這個people對象是包含3個人物記錄（對象）的數(shù)組。3.4.6使用Python讀取JSON文件數(shù)據(jù) 【實例3-5】本實例實現(xiàn)JSON文件數(shù)讀取。1）Python文件導(dǎo)入json庫importjson2）使用withopen方法打開一個名為：JSON文件.json的文件，通過參數(shù)‘r’實現(xiàn)文件的讀取，并且指定其打開的字符集格式為utf-8-sig，最后將文件操作對象放入變量f中。withopen('JSON文件.json','r',encoding='utf-8-sig')asf:3）使用read方法讀取文件數(shù)據(jù)，并存入變量str中。

str=f.read()4）使用json庫的load方法將數(shù)據(jù)格式轉(zhuǎn)換為json格，將其賦值給變量data，并打印輸出，以便查看。

data=json.loads(str)print(data)5）獲取變量data的鍵為‘people’的值，將其賦值給變量name_age，并打印輸出。name_age=data['people']print(name_age)6）獲取列表name_age的第二個元素的鍵為‘name’和‘a(chǎn)ge’的值，并打印輸出。target_name=name_age[1]['name']target_age=name_age[1]['age']print(target_name+':'+target_age)輸出結(jié)果：{'people':[{'name':'Simon','age':'22'},{'name':'Tom','age':'24'},{'name':'Jack','age':'26'}]}[{'name':'Simon','age':'22'},{'name':'Tom','age':'24'},{'name':'Jack','age':'26'}]Tom:243.4.7使用Python寫入JSON文件數(shù)據(jù) 【實例3-6】本實例實現(xiàn)JSON文件數(shù)寫入。1）Python文件導(dǎo)入json庫importjson2）聲明及定義一個字典類型數(shù)據(jù)dict_content={"name":"jack"}3）使用withopen方法打開一個名為：JSON文件.json的文件，通過參數(shù)‘w’實現(xiàn)文件的寫入，然后將文件操作對象放入變量f中，最后使用json的dump方法實現(xiàn)數(shù)據(jù)的寫入。withopen('JSON文件寫入.json','w')asf: json.dump(dict_content,f)輸出結(jié)果：{"name":"jack"}3.5任務(wù)實現(xiàn) 【實例3-5】本實例逐步實現(xiàn)使用PyMySQL對MySQL的增刪改查操作。所有操作均在剛才創(chuàng)建的數(shù)據(jù)庫test中完成。這里先創(chuàng)建一個數(shù)據(jù)表employee，并對該表設(shè)置字段id，first_name，last_name，age，sex，income，將id設(shè)為主鍵，然后使用PyMySQL實現(xiàn)對數(shù)據(jù)表employee的數(shù)據(jù)操作。1.創(chuàng)建表結(jié)構(gòu)（1）Python中導(dǎo)入PyMySQL庫。importpymysql（2）使用PyMySQL庫建立與MySQL的連接，并返回一個db對象。Connect方法中的參數(shù)分別表示："localhost"主機名，"root"連接MySQL的用戶名，"密碼"為MySQL的連接密碼，"test"表示操作的MySQL數(shù)據(jù)庫。db=pymysql.connect("localhost","root","密碼","test")（3）使用connector對象的cursor方法建立對MySQL的操作游標(biāo)。cursor=db.cursor()（4）使用游標(biāo)cursor執(zhí)行SQL語句。該SQL語句表示如果數(shù)據(jù)庫test存在表employee，則將其先刪除。這一步的目的就是防止有重復(fù)數(shù)據(jù)的出現(xiàn)。cursor.execute("DROPTABLEIFEXISTSemployee")（5）使用字符串編寫完成SQL語句。注意，這里使用的是三引號表示多行字符串。這里的SQL語句使用CREATETABLE創(chuàng)建一個名為employee的表，并設(shè)置id，first_name，last_name，age，sex，income的字段和屬性，并將id設(shè)為主鍵，字符集使用utf8mb4sql="""CREATETABLE`employee`(`id`int(10)NOTNULLAUTO_INCREMENT,`first_name`char(20)NOTNULL,`last_name`char(20)DEFAULTNULL,`age`int(11)DEFAULTNULL,`sex`char(1)DEFAULTNULL,`income`floatDEFAULTNULL,PRIMARYKEY(`id`))ENGINE=InnoDBDEFAULTCHARSET=utf8mb4;"""（6）執(zhí)行前面的SQL語句。cursor.execute(sql)（7）打印輸出提示字符串，并關(guān)閉連接。print("CreatedtableSuccessfull.")db.close()（8）運行結(jié)果，如圖3-18所示。CreatedtableSuccessful圖3-18創(chuàng)建表employee成功完成代碼如下所示。importpymysql

db=pymysql.connect("localhost","root","密碼","test")

cursor=db.cursor()cursor.execute("DROPTABLEIFEXISTSemployee")sql="""CREATETABLE`employee`(`id`int(10)NOTNULLAUTO_INCREMENT,`first_name`char(20)NOTNULL,`last_name`char(20)DEFAULTNULL,`age`int(11)DEFAULTNULL,`sex`char(1)DEFAULTNULL,`income`floatDEFAULTNULL,PRIMARYKEY(`id`))ENGINE=InnoDBDEFAULTCHARSET=utf8mb4;"""cursor.execute(sql)print("CreatedtableSuccessfull.")db.close()2.插入數(shù)據(jù)【實例3-6】本實例通過PyMySQL向表employee的first_name，last_name，age，sex，income字段插入一條新的記錄。如果發(fā)生異常，則實現(xiàn)事務(wù)性的回滾操作。（1）Python中導(dǎo)入PyMySQL庫。importpymysql（2）使用PyMySQL庫建立與MySQL的連接，并返回一個db對象。Connect方法中的參數(shù)分別表示："localhost"主機名，"root"連接MySQL的用戶名，"密碼"為MySQL的連接密碼，"test"表示操作的MySQL數(shù)據(jù)庫。db=pymysql.connect("localhost","root","密碼","test")（3）使用connector對象的cursor方法建立對MySQL的操作游標(biāo)。cursor=db.cursor()（4）使用字符串編寫完成SQL語句。注意，這里使用的是三引號表示多行字符串。這里的SQL語句使用INSERTINTO向表EMPLOYEE的字段FIRST_NAME，LAST_NAME，AGE，SEX和INCOME分別插入VALUES為’Mac’，’Su’，20，’M’和5000的值。sql="""INSERTINTOEMPLOYEE(FIRST_NAME,LAST_NAME,AGE,SEX,INCOME)VALUES('Mac','Su',20,'M',5000)"""（5）使用try和except語句執(zhí)行游標(biāo)cursor的sql語句，并使用commit方法提交至MySQL數(shù)據(jù)庫服務(wù)器，rollback方法表示如果在整個提交過程中出現(xiàn)任何問題，則實現(xiàn)事務(wù)性的回滾操作。try:cursor.execute(sql)dbmit()except:db.rollback()（6）關(guān)閉數(shù)據(jù)庫連接。db.close()（7）運行效果如圖3-19所示。圖3-19使用PyMySQL向MySQL插入數(shù)據(jù)完成代碼如下所示。importpymysqldb=pymysql.connect("localhost","root","密碼","test")cursor=db.cursor()sql="""INSERTINTOEMPLOYEE(FIRST_NAME,LAST_NAME,AGE,SEX,INCOME)VALUES('Mac','Su',20,'M',5000)"""try:cursor.execute(sql)dbmit()except:db.rollback()db.close()3.查詢數(shù)據(jù)【實例3-7】這里將通過PyMySQL向表employee查詢字段income值大于1000的記錄，并使用for循環(huán)輸出所有記錄。如果出現(xiàn)異常，則拋出異常信息。（1）Python中導(dǎo)入PyMySQL庫importpymysql（2）使用PyMySQL庫建立與MySQL的連接，并返回一個db對象。Connect方法中的參數(shù)分別表示："localhost"主機名，"root"連接MySQL的用戶名，"密碼"為MySQL的連接密碼，"test"表示操作的MySQL數(shù)據(jù)庫。db=pymysql.connect("localhost","root","密碼","test")（3）使用connector對象的cursor方法建立對MySQL的操作游標(biāo)。cursor=db.cursor()（4）使用字符串編寫完成SQL語句。注意，這里使用的是三引號表示多行字符串。這里的SQL語句使用SELECTFROM用于查詢表EMPLOYEE中條件為INCOME大于1000的記錄。sql="SELECT*FROMEMPLOYEE\WHEREINCOME>%d"%(1000)（5）在try中執(zhí)行游標(biāo)的sqltry:cursor.execute(sql)（6）使用fetchall方法獲取第五步返回的結(jié)果results=cursor.fetchall()（7）使用for循環(huán)將返回的結(jié)果進行遍歷，并將每行中的列值通過數(shù)組下標(biāo)獲得，最后使用print方法將其輸出。forrowinresults:fname=row[1]lname=row[2]age=row[3]sex=row[4]income=row[5]print("name=%s%s,age=%s,sex=%s,income=%s"%\(fname,lname,age,sex,income))（8）在except中導(dǎo)入traceback模塊，并使用該模塊的print_exc方法輸出更加詳細的異常信息。except:importtracebacktraceback.print_exc()print("Error:unabletofetchdata")（9）關(guān)閉服務(wù)器連接db.close()（10）運行結(jié)果如圖3-20所示。name=MacSu,age=20,sex=M,income=5000.0圖3-20使用PyMySQL向MySQL查詢數(shù)據(jù)完成代碼如下所示。importpymysql

db=pymysql.connect("localhost","root","密碼","test")

cursor=db.cursor()

sql="SELECT*FROMEMPLOYEE\

WHEREINCOME>%d"%(1000)

try:

cursor.execute(sql)

results=cursor.fetchall()forrowinresults:fname=row[1]lname=row[2]age=row[3]sex=row[4]income=row[5]print("name=%s%s,age=%s,sex=%s,income=%s"%\(fname,lname,age,sex,income))except:importtracebacktraceback.print_exc()print("Error:unabletofetchdata")db.close()4.更新數(shù)據(jù)【實例3-8】這里將通過PyMySQL向表employee更新字段age，并將其所有的值加1，更新的條件是字段sex的值為M。如果出現(xiàn)異常，則實現(xiàn)事務(wù)性的回滾操作。（1）Python中導(dǎo)入PyMySQL庫importpymysql（2）使用PyMySQL庫建立與MySQL的連接，并返回一個db對象。Connect方法中的參數(shù)分別表示："localhost"主機名，"root"連接MySQL的用戶名，"密碼"為MySQL的連接密碼，"test"表示操作的MySQL數(shù)據(jù)庫。db=pymysql.connect("localhost","root","密碼","test")（3）使用connector對象的cursor方法建立對MySQL的操作游標(biāo)cursor=db.cursor()（4）使用字符串編寫完成SQL語句。注意，這里使用的是三引號表示多行字符串。這里的SQL語句使用UPDATESET更新表EMPLOYEE的AGE，更新條件為SEX等于’M’。sql="UPDATEEMPLOYEESETAGE=AGE+1\WHERESEX='%c'"%('M')（5）使用try和except語句執(zhí)行游標(biāo)cursor的sql語句，并使用commit方法提交至MySQL數(shù)據(jù)庫服務(wù)器，rollback方法表示如果在整個提交過程中出現(xiàn)任何問題，則實現(xiàn)事務(wù)性的回滾操作。try:cursor.execute(sql)dbmit()except:db.rollback()（6）關(guān)閉服務(wù)器連接db.close()（7）運行結(jié)果如圖3-21所示。圖3-21使用PyMySQL向MySQL更新數(shù)據(jù)完成代碼如圖所示。importpymysqldb=pymysql.connect("localhost","root","密碼","test")cursor=db.cursor()sql="UPDATEEMPLOYEESETAGE=AGE+1\WHERESEX='%c'"%('M')try:cursor.execute(sql)dbmit()except:db.rollback()db.close()5.刪除數(shù)據(jù)【實例3-9】這里將通過PyMySQL向表employee刪除符合條件的記錄，刪除的條件是字段age的值大于40。如果出現(xiàn)異常，則實現(xiàn)事務(wù)性的回滾操作。（1）Python中導(dǎo)入PyMySQL庫importpymysql（2）使用PyMySQL庫建立與MySQL的連接，并返回一個db對象。Connect方法中的參數(shù)分別表示："localhost"主機名，"root"連接MySQL的用戶名，"密碼"為MySQL的連接密碼，"test"表示操作的MySQL數(shù)據(jù)庫。db=pymysql.connect("localhost","root","密碼","test")（3）使用connector對象的cursor方法建立對MySQL的操作游標(biāo)。cursor=db.cursor()（4）使用字符串編寫完成SQL語句。注意，這里使用的是三引號表示多行字符串。這里的SQL語句使用DELETEFROM將表EMPLOYEEZ中條件為AGE大于40的記錄刪除。sql="DELETEFROMEMPLOYEEWHEREAGE>'%d'"%(40)（5）使用try和except語句執(zhí)行游標(biāo)cursor的sql語句，并使用commit方法提交至MySQL數(shù)據(jù)庫服務(wù)器，rollback方法表示如果在整個提交過程中出現(xiàn)任何問題，則實現(xiàn)事務(wù)性的回滾操作。try:cursor.execute(sql)dbmit()except:db.rollback()（6）關(guān)閉服務(wù)器連接db.close()（7）運行結(jié)果如圖3-22所示。圖3-22使用PyMySQL向MySQL刪除數(shù)據(jù)完成代碼如圖所示。importpymysqldb=pymysql.connect("localhost","root","密碼","test")cursor=db.cursor()sql="DELETEFROMEMPLOYEEWHEREAGE>'%d'"%(40)try:cursor.execute(sql)dbmit()except:db.rollback()db.close()到此，我們已經(jīng)實現(xiàn)了在Python中使用PyMySQL模塊針對MySQL操作數(shù)據(jù)表格的基本用法。6.數(shù)據(jù)探索【實例3-10】這里將通過numpy生成學(xué)生模擬數(shù)據(jù)，pandas的寫入和讀取指定學(xué)生就業(yè)信息，并對其進行數(shù)據(jù)探索。（1）Python中導(dǎo)入pandas、numpy和randomimportpandasaspdimportnumpyasnpimportrandom（2）設(shè)置隨機種子以確保結(jié)果的可重復(fù)性np.random.seed(42)random