[教程]破解Python数据读写全攻略：轻松实现高效数据导入导出技巧

引言在Python数据处理和分析的过程中，数据读写是至关重要的环节。高效的数据读写技巧能够显著提升数据处理效率，降低编程复杂度。本文将详细介绍Python中常用的数据导入导出方法，包括CSV、Exce...

引言

在Python数据处理和分析的过程中，数据读写是至关重要的环节。高效的数据读写技巧能够显著提升数据处理效率，降低编程复杂度。本文将详细介绍Python中常用的数据导入导出方法，包括CSV、Excel、JSON、数据库等多种格式，并提供详细的代码示例，帮助读者轻松掌握数据读写技巧。

数据导入

CSV文件

CSV（Comma-Separated Values）是一种常用的数据交换格式，Python中可以使用csv模块进行读写。

读取CSV文件

import csv
with open('data.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row)

写入CSV文件

import csv
data = [['Name', 'Age', 'Country'], ['John', '25', 'USA'], ['Alice', '30', 'Canada'], ['Bob', '35', 'UK']]
with open('data.csv', 'w', newline='') as file: writer = csv.writer(file) writer.writerows(data)

Excel文件

Excel文件是办公中常用的数据存储格式，Python中可以使用openpyxl或xlrd等库进行读写。

读取Excel文件

from openpyxl import load_workbook
wb = load_workbook('data.xlsx')
sheet = wb.active
for row in sheet.iter_rows(values_only=True): print(row)

写入Excel文件

from openpyxl import Workbook
wb = Workbook()
sheet = wb.active
sheet.append(['Name', 'Age', 'Country'])
sheet.append(['John', '25', 'USA'])
sheet.append(['Alice', '30', 'Canada'])
wb.save('data.xlsx')

JSON文件

JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，Python中可以使用json模块进行读写。

读取JSON文件

import json
with open('data.json', 'r') as file: data = json.load(file) print(data)

写入JSON文件

import json
data = { 'Name': 'John', 'Age': 25, 'Country': 'USA'
}
with open('data.json', 'w') as file: json.dump(data, file)

数据库

Python中可以使用sqlite3、pymysql等库操作数据库。

读取数据库

import sqlite3
conn = sqlite3.connect('data.db')
cursor = conn.cursor()
cursor.execute('SELECT * FROM tablename')
rows = cursor.fetchall()
for row in rows: print(row)
conn.close()

写入数据库

import sqlite3
conn = sqlite3.connect('data.db')
cursor = conn.cursor()
cursor.execute('CREATE TABLE IF NOT EXISTS tablename (name TEXT, age INTEGER, country TEXT)')
cursor.execute('INSERT INTO tablename (name, age, country) VALUES (?, ?, ?)', ('John', 25, 'USA'))
conn.commit()
conn.close()

数据导出

数据导出与导入类似，只需将读取操作改为写入操作即可。

总结

本文介绍了Python中常用的数据导入导出方法，包括CSV、Excel、JSON、数据库等多种格式。通过学习本文，读者可以轻松掌握数据读写技巧，提升数据处理效率。在实际应用中，可以根据具体需求选择合适的数据格式和读写方法。