任務27

操作文件（一）

CSV文件操作程序設計基礎（Python語言)CONTENTS目錄01任務背景與目標02深入認識CSV文件、基于字典接口操作CSV文件03基于字典接口備份文件案例04任務測試與總結任務背景與目標01一、任務背景

文本文件可存儲機器人的提示語信息，日志文件則更適于存為CSV、Excel等表格型文件。

本任務大家會在完成校園機器人的運行日志、任務記錄等文件的打開、輸出和數(shù)據(jù)的簡單處理中，掌握CSV文件的操作方法。二、任務目標理解CSV文件的數(shù)據(jù)存儲格式；理解CSV對數(shù)據(jù)記錄的表達；1.CSV文件的存儲原理掌握用csv.DictReader、csv.DictWriter等對象實現(xiàn)CSV文件讀寫的方法；2.掌握基于字典接口讀寫CSV認識CSV及字典接口02一、CSV文件存儲數(shù)據(jù)1.CSV：存儲用逗號分隔的數(shù)據(jù)的文本文件。CSV文件常用于電子表格和數(shù)據(jù)庫數(shù)據(jù)的導入和導出，

可以用記事本程序、WPS表格或EXCEL等打開。2.CSV文件結構直觀，節(jié)省存儲空間，很適合數(shù)據(jù)交換和存儲。圖6-9

用記事本查看robots_info.csv二、CSV文件的讀寫方法

2.基于字典接口讀寫CSV文件：

（1）讀操作

這種方法通過字段名（fieldnames）的定義將每行為一條數(shù)據(jù)記錄映射成字典，進而可通過字段名訪問字典中特定的數(shù)據(jù)項，作字典操作。讀CSV文件可用csv.DictReader接口，其fieldnames參數(shù)若省略則用文件首行數(shù)據(jù)充當。importcsvfieldnames=['機器人ID','名稱','型號','制造商','購買日期','保修期(月)','狀態(tài)']withopen('robots_info.csv','r',newline='',encoding='utf-8')ascsvfile:#打開文件reader=csv.DictReader(csvfile,fieldnames)#指定fieldnames,建reader接口print(reader.fieldnames)#顯示reader對象采用的字段名字典forrowinreader:#print(row)#row是一個字典，鍵是列名，值是對應的數(shù)據(jù)print(row['機器人ID']+','+row['名稱']+','+row['狀態(tài)'])print(reader.line_num)#顯示reader數(shù)據(jù)處理到哪一行程序示例說明csv.DictReader的數(shù)據(jù)迭代每次處理一行，數(shù)據(jù)均為字典，可選取字段處理，提升數(shù)據(jù)的可讀性。csv.DictReader的line_num為已讀入的行數(shù)，可反饋數(shù)據(jù)讀取的進度。圖6-12運行結果二、CSV文件的讀寫方法

2.基于字典接口讀寫CSV文件：

（1）寫操作importcsvfields=['機器人ID','名稱','型號','制造商','購買日期','保修期(月)','狀態(tài)']nRbt1={'機器人ID':'R005','名稱':'小@','型號':'Model-D','制造商':'XYZRobotics','購買日期':'2024-08-16','保修期(月)':'24','狀態(tài)':'在役'}withopen('robots_info.csv','a',newline='',encoding='utf-8')ascsvfile:#打開文件writer=csv.DictWriter(csvfile,fields)#創(chuàng)建文件寫接口writer.writeheader()#將fields列表寫到CSV文件首行writer.writerow(nRbt1)#字典中的數(shù)據(jù)為一條記錄寫入文件程序示例圖6-13

運行結果說明csv.DictWriter接口實現(xiàn)將字典型組織的數(shù)據(jù)記錄寫入CSV文件，可指定文件的數(shù)據(jù)結構，可用writeheader()方法寫入文件頭即首行數(shù)據(jù)項名稱，可以用writerow()、writerows()將字典中保存的一條記錄或多條記錄寫入文件?；谧值浣涌趥浞菸募咐?3【案例27-2】基于字典接口備份robots_Info.csv到同目錄下的robots_InfoBak.csv。一、案例描述robots_Info.csv中存有小@表格化的信息，現(xiàn)需用csv.DictReader、csv.DictWriter打開查看并將數(shù)據(jù)備份到文件robots_InfoBak.csv中。二、操作步驟詳解1.查看原文件結構查看原數(shù)據(jù)文件的字段結構；2.讀取數(shù)據(jù)用字典接口讀出數(shù)據(jù)，轉(zhuǎn)為字典型加入列表；3.建備份文件寫接口創(chuàng)建且打開備份文件，生成寫數(shù)據(jù)對象writer（備份接口）；4.

備份數(shù)據(jù)到文件用writeheader()寫入列名；用writerows(records)將列表數(shù)據(jù)寫入備份文件三、代碼示例及顯示結果importcsvfieldnames=['機器人ID','名稱','型號','制造商','購買日期','保修期(月)','狀態(tài)']records=[]#建立列表，準備保存原有數(shù)據(jù)文件讀出的內(nèi)容withopen('robots_info.csv','r',newline='',encoding='utf-8')ascsvfile:#打開原有數(shù)據(jù)文件reader=csv.DictReader(csvfile,fieldnames)#創(chuàng)建文件讀對象print(reader.fieldnames)#顯示reader對象采用的字段名字典next(reader)#跳過文件中首行字段名forrowinreader:#遍歷讀出數(shù)據(jù)，存入列表recordsrecords.append(row)withopen('robots_infoBakDict.csv','w',newline='',encoding='utf-8')ascsvfile:#創(chuàng)建新文件writer=csv.DictWriter(csvfile,fieldnames)#創(chuàng)建文件寫對象writer.writeheader()#寫入文件的字段名在首行writer.writerows(records)#將列表轉(zhuǎn)存的多個數(shù)據(jù)一次性寫入新文件圖6-14

程序運行結果四、案例總結：基于字典接口操作文件總結01讀時數(shù)據(jù)轉(zhuǎn)為字典csv.DictReader將數(shù)據(jù)轉(zhuǎn)為字典，可通過列名靈活訪問；02寫時構建規(guī)則結構csv.DictWriter需指定fieldnames，writeheader()確保列結構一致；03操作高效writerows()可批量寫入多行數(shù)據(jù)，提升效率。任務測試與總結05一、選擇題1．以下關于CSV文件的描述，正確的是？（

）A.每一行是二維數(shù)據(jù)，可用字典表示B.分隔符必須是逗號C.整個文件是二維數(shù)據(jù)D.只能存儲數(shù)字2．在Python中，csv.DictReader讀取CSV文件時，每一行數(shù)據(jù)解析為？（

）A.列表B.字典C.元組D.集合3.csv.DictWriter的fieldnames參數(shù)作用是？（

）A.指定數(shù)據(jù)行B.指定列標題C.指定編碼D.指定分隔符

二、填空題1.Python中處理CSV文件的標準庫是_________。2.讀取CSV為字典用csv.____________類，寫入字典到CSV用csv.______________類。

CBBCSVDictReaderDictWriter程序設計基礎（Python語言)任務27

操作文件（二）

JSON文件操作CONTENTS目錄01任務背景與目標02認識JSON文件和訪問JSON文件的方法03JSON文件操作案例04任務測試與總結任務背景與目標01一、任務背景JSON文件其簡潔、易讀、跨平臺等特性，在各類技術場景中被廣泛應用。

本任務通過處理校園機器人的運行日志、任務記錄等，學習JSON文件的操作方法。。

users.json文件二、任務目標掌握JSON文件特殊的數(shù)據(jù)組織形式；1.JSON存儲數(shù)據(jù)的方式掌握使用json庫中的loads()和dumps()進行JSON文件讀寫的方法;2.使用json標準庫讀寫JSON文件的方法認識JSON文件和基于

JSON庫訪問JSON文件02一、認識JSON文件1.JSON是存儲JavaScript對象格式數(shù)據(jù)的文本文件，采用多層字典結構組織數(shù)據(jù)，層次清晰、易讀易寫；2.JSON是輕量級數(shù)據(jù)交換格式，被大部分編程語言和數(shù)據(jù)處理工具支持，適合非結構化或半結構化數(shù)據(jù)的存儲與交換。robots_data.json的數(shù)據(jù)二、JSON文件操作JSON文件處理通過標準的json庫提供的方法，按照讀取文件、修改數(shù)據(jù)、保存修改和驗證新數(shù)據(jù)符合JSON格式等四步實施。1.

讀取JSON文件importjson#導入標準庫jsonfile_path='robotBasicInfo.json'try:#用try...except語句執(zhí)行JSON文件訪問withopen(file_path,'r',encoding='utf-8')asfile:data=json.load(file)#讀取文件中的數(shù)據(jù)，格式不對則讀取失敗print(f"JSON文件格式正確，數(shù)據(jù)已經(jīng)取出！")exceptjson.JSONDecodeError:print(f"文件格式錯,讀取失??！")forkey,valueindata.items():#按字典方式遍歷讀出的數(shù)據(jù)

print(f"{key}--{value}")

程序示例說明用json.loads()方法讀取JSON文件時，將文件中的數(shù)據(jù)轉(zhuǎn)換為字典存入字典對象；遍歷字典對象，即查看各項數(shù)據(jù)的鍵和值。二、JSON文件操作

2.

向JSON文件寫入數(shù)據(jù)

用json.dump()方法可將一個Python對象編碼成JSON格式的字符串寫入JSON文件，但注意寫入后要進行JSON數(shù)據(jù)的格式驗證importjson#導入標準庫json#準備字典封裝的層次型鍵值數(shù)據(jù)dataNew={'id':'004','name':'小綠','status':'配送中','location':'一樓大廳','battery':90,'task':{'taskID':'T012','destination':'圖書區(qū)9號桌位','cargo':'面包'}}file_path='robotBasicInfo.json'withopen(file_path,'w',encoding='utf-8')asfile:#以寫的方式打開文件json.dump(dataNew,file,ensure_ascii=False,indent=4)#indent：每層縮進字符數(shù)，ensure_ascii=False確保非ASCII字符（如中文）能正確顯示

程序示例JSON文件操作案例03【案例27-4】調(diào)整校園服務機器人數(shù)據(jù)文件中的設備配置和完成任務數(shù)一、案例描述

打開robots_data.json文件、讀出數(shù)據(jù)后，在每個機器人的“配置”項中添加“Comblock”項（值為“5G”）、將“完成任務數(shù)”項值加1，修改后的數(shù)據(jù)存入robots_dataModi.json文件。圖6-16查看robots_data.json的數(shù)據(jù)二、操作步驟詳解1.導入JSON庫導入json庫支持JSON文件操作，2.定義函數(shù)封裝文件操作定義函數(shù)，封裝JSON文件的讀與寫，封裝中間字典型數(shù)據(jù)的處理。3.主程序調(diào)用函數(shù)調(diào)用封裝讀、改、寫入JSON文件的函數(shù)，完成文件操作。三、代碼示例及顯示結果importjsonimportpandasaspdnwPz={"ComBlock":"5G"}defread_json(file_path):withopen(file_path,'r',encoding='utf-8')asfile:data=json.load(file)returndatadefmodify_data(data):forrbtindata['robots']:print(f"原id:{rbt['id']},配置:{rbt['配置']},完成任務數(shù):{rbt['完成任務數(shù)']}")rbt['配置']["ComBlock"]="5G"#修改數(shù)據(jù)rbt['完成任務數(shù)']=str(int(rbt['完成任務數(shù)'])+1)print(f"修改后的id:{rbt['id']},配置:{rbt['配置']},完成任務數(shù):{rbt['完成任務數(shù)']}")returndatadefwrite_JSON(file_path,data):withopen(file_path,'w',encoding='utf-8')asfile:json.dump(data,file,ensure_ascii=False,indent=4)#主程序data=read_json('robots_data.json')?modified_data=modify_data(data)rbt_df=convert_to_df(modified_data）print(rbt_df)write_JSON("robots_dataModi.json",modified_data)圖6-17

程序運行結果四、案例總結：JSON文件操作案例01JSON層次化的數(shù)據(jù)組織

JSON的嵌套字典結構適合存儲層次化數(shù)據(jù)，通過鍵名可直接訪問和修改深層數(shù)據(jù)（如rbt['配置']['ComBlock']）；02JSON文件的優(yōu)勢

JSON組織數(shù)據(jù)的方式在處理非結構化或半結構化數(shù)據(jù)時具有顯著優(yōu)勢，特別適用于大數(shù)據(jù)和實時數(shù)據(jù)處理的應用場景任務測試與總結05

一、填空題1．要將JSON格式的字符串解碼為Python對象，可以使用________________函數(shù)。2.使用________________函數(shù)可以將Python對象（如字典或列表）編碼為JSON格式的字符串。3．使用json.load()函數(shù)時，需要傳入一個已打開的________對象作為參數(shù),該函數(shù)會返回解析后的Python對象（如字典或列表）。4．要將Python對象寫入到JSON文件中，可用json庫的________________函數(shù)。json.loads()json.dumps()文件json.dumps()THEEND謝謝程序設計基礎（Python語言)任務27

操作文件（三）

Excel文件操作CONTENTS目錄01任務背景與目標02Excel數(shù)據(jù)存儲方式與操作方法03Excel數(shù)據(jù)清洗與分析案例04任務測試與總結任務背景與目標01一、任務背景

在應用軟件開發(fā)中，Excel文件因其靈活的數(shù)據(jù)處理能力和廣泛的用戶基礎，被廣泛集成和應用。

本任務通過機器人小@的工作記錄數(shù)據(jù)的處理，學習EXCEL文件的操作方法。二、任務目標掌握Excel文件的存儲原理；1.Excel文件存儲原理掌握基于Python的Excel文件讀寫操作方法；2.讀寫操作方法；學會使用pandas庫對Excel數(shù)據(jù)進行簡單處理。3.學會數(shù)據(jù)處理Excel數(shù)據(jù)存儲方式02一、認識EXCEL文件1.EXCEL工作簿文件：電子表格文件，擴展名（.xls、.xlsx），處理（WPS表格、Excel）。2.EXCEL文件包含張表（sheet），支持公式、圖表、數(shù)據(jù)透視表等高級功能，適合復雜的數(shù)據(jù)分析和展示。圖6-19

EXCEL文件示例3.Excel文件操作：pandas庫----文件操作簡便，openpyxl----專門處理，xlrd、pyexcel----能夠處理。二、操作Excel文件1.

讀文件

作用：利用read_excel()方法讀取Excel文件，返回DataFrame對象；

主要參數(shù)：file：文件路徑或?qū)ο螅ū靥睿?；sheet_name：指定工作表名稱或索引（默認0）；header：作為列名的行號（默認0，即第一行）names：列名列表，用于覆蓋從文件中讀取的列名，可省略；pandas.read_excel(file,sheet_name=0,header=0,names=None,index_col=None,usecols=None,squeeze=False,dtype=None,engine=None,converters=None,true_values=None,false_values=None,skiprows=None,nrows=None,na_values=None,parse_dates=False,date_parser=None,thousands=None,comment=None,skipfooter=0,convert_float=True,mangle_dupe_cols=True,**kwds)engine：解析Excel文件的引擎，可是'xlrd'、'openpyxl'或'odf'。默認為None，Pandas將嘗試使用最合適的引擎。skiprows：要忽略的行數(shù)或需要跳過的行號列表（從0開始計數(shù)）。nrows：需要讀取的行數(shù)。usecols：要返回的列的集合（列名的列表、列范圍描述、列名篩選條件）。

格式：二、操作Excel文件1.

讀文件

importpandasaspdfile_path='robotWorkData.xlsx'#讀取指定工作表到DataFramedf=pd.read_excel(file_path,sheet_name='Records')print(df.head(2))#顯示前2行數(shù)據(jù)

程序示例圖6-20

用Pandas讀取EXCEL文件工作表結果二、操作Excel文件2.

寫文件

作用：用DataFrame對象的to_excel()方法可將其寫入EXCEL

主要參數(shù)：file：文件的路徑或文件對象。sheet_name：默認為'Sheet1'，指定要寫入的工作表名稱。header：默認為True，表示是否寫入列名。DataFrame.to_excel(file,sheet_name='Sheet1',na_rep='',float_format=None,columns=None,header=True,index=True,index_label=None,startrow=0,startcol=0,engine=None,merge_cells=True,encoding=None,inf_rep='inf',verbose=True,freeze_panes=None,storage_options=None)startrow和startcol：分別默認為0，表示開始寫入的行號和列號columns：要寫入的列的名稱。默認為None，即寫入所有列。index：默認為True，表示是否寫入行索引（行號）。格式：二、操作Excel文件2.

寫文件

importpandasaspddata={#創(chuàng)建機器人運行數(shù)據(jù)'日期':['2025/1/20','2025/1/20','2025/1/20','2025/1/20','2025/1/20'],'時間':['8:00:00','8:10:00','8:15:00','8:30:00','9:00:00'],'機器人ID':['R001','R002','R001','R003','R002'],'任務類型':['送餐','送物','送餐','送物','送餐'],'起始位置':['廚房','一樓大廳','廚房','倉庫','廚房'],

'目的地':['302房間','二樓會議室','305房間','實驗室','201房間'],'任務狀態(tài)':['已完成','進行中','已完成','已完成','已完成'],'耗時(分鐘)':[5,-1,6,4,7]}df=pd.DataFrame(data)#使用數(shù)據(jù)字典創(chuàng)建DataFrameprint("生成的DataFrame:");print(df)#顯示生成的DataFrameexcel_file_path='robot_data.xlsx'df.to_excel(excel_file_path,index=False,engine='openpyxl')#將DataFrame寫入Excel文件print(f"\nDataFrame已成功寫入Excel文件:{excel_file_path}")

程序示例圖6-21

用Pandas向EXCEL文件寫數(shù)據(jù)結果Excel數(shù)據(jù)清洗與分析案例03【案例27-4】

對robot_data.xlsx中的機器人工作數(shù)據(jù)進行清洗和分析、轉(zhuǎn)存。一、案例描述

用read_excel()打開文件、讀出數(shù)據(jù)到DataFrame中，用其豐富的方法完成數(shù)據(jù)清洗、分析和統(tǒng)計，再將處理后的數(shù)據(jù)用df.to_excel()做另存處理。圖6-22

案例27-4程序運行結果分步展示二、操作步驟詳解1.讀取EXCEL用pd.read_excel()打開文件、讀數(shù)據(jù)到DataFrame并顯示；2.數(shù)據(jù)清洗用dropna()刪除含缺失值的行，drop_duplicates()刪除重復行；3.數(shù)據(jù)分析df.shape查看數(shù)據(jù)形狀，df.describe()生成描述性統(tǒng)計指標；4.

數(shù)據(jù)統(tǒng)計用df['耗時(分鐘)'].sum()計算總耗時，groupby('任務類型')['耗時(分鐘)'].sum()計算各類任務總耗時；4.

向EXCEL寫入數(shù)據(jù)用df.to_excel()將清洗后的數(shù)據(jù)存入新文件。三、代碼示例及顯示結果importpandasaspdfile_path='robot_data.xlsx'df=pd.read_excel(file_path,sheet_name='Sheet1')#讀取Excel文件print("OriginalData:")#顯示前五行數(shù)據(jù)print(df.head())#數(shù)據(jù)清洗并顯示df_cleaned=df.dropna()#刪除包含缺失值的行df_cleaned=df_cleaned.drop_duplicates()#刪除重復的行print("\nCleanedDataShape:")#顯示清洗后的數(shù)據(jù)形狀print(df_c