python怎麼讀取本地文件夾（python讀取本地文件路徑）

本文目錄一覽：

1、python怎麼讀取文件夾內容
2、python怎樣讀取txt文件的數據內容
3、Python讀取文件內容的方法有幾種
4、如何用Python打開指定的某個文件夾？比如我要用Python打開D盤裡的一個普通文件，該怎麼做？
5、python 讀取CSV 文件

python怎麼讀取文件夾內容

#encoding:utf-8

import os

#設置文件夾所在路徑，我這裡設置哦當前路徑

path = ‘./’

#列出路徑下所有的一級目錄+文件

files = os.listdir(path)

print files

#利用遞歸，列出目錄下包括子目錄所有的文件及文件夾（但是沒有分級，如果需要分級，自己寫吧）

files1 = []

def listfiles(path):

for i in os.listdir(path):

if os.path.isdir(path+i):

files1.append(i)

listfiles(path+i)

else:

files1.append(i)

listfiles(path)

print files1

python怎樣讀取txt文件的數據內容

我們使用python的時候經常需要讀取txt文件中的內容，那麼該如何讀取呢？下面我給大家分享一下。

首先我們新建一個txt文件，在裡面寫入一些內容，如下圖所示

接下來打開運行界面，輸入CMD命令，如下圖所示

然後進入CMD界面以後我們輸入python命令進入python環境，如下圖所示

最後我們通過python中的open方法打開txt文件，然後通過read方法讀取文件內容，如下圖所示

Python讀取文件內容的方法有幾種

python讀取文本文件內容的方法主要有三種：read()、readline()、readlines()。

第一種：read()

read()是最簡單的一種方法，一次性讀取文件的所有內容放在一個大字元串中，即內存中。

read()的好處：方便、簡單，一次性讀出文件放在一個大字元串中，速度最快。

read()的壞處：文件過大的時候，佔用內存會過大。

第二種：readline()

readline()逐行讀取文本，結果是一個list。

readline()的好處：佔用內存小，逐行讀取。

readline()的壞處：逐行讀取，速度比較慢。

第三種：readlines()

readlines()一次性讀取文本的所有內容，結果是一個list。

readlines()的好處：一次性讀取文本內容，速度比較快。

readlines()的壞處：隨著文本的增大，佔用內存會越來越多。

如何用Python打開指定的某個文件夾？比如我要用Python打開D盤裡的一個普通文件，該怎麼做？

操作系統一般不允許程序直接操作磁碟文件的，文件在磁碟上的讀寫都是由操作系統提供的，文件操作包括創建、刪除、修改許可權、讀取、寫入等。要想實現對文件的操作就需要請求操作系統打開一個文件對象，然後通過操作系統提供的介面來實現對文件讀寫的相關操作。讀寫文件是最常見的 I/O 操作，Python內置相關API可以幫助我們快速的實現文件讀寫操作。

文件對象

Python內置的 open() 函數可以用於打開指定文件，該函數會返回一個文件對象（該對象包含了當前文件擁有的屬性信息，相當於文件句柄）。參數file為要創建或打開文件的文件名稱，參數mode用於指定文件的打開模式（可選），參數buffering用於指定對文件做讀寫操作時是否使用緩衝區。在打開文件之後就可調用文件對象的屬性和方法，完成對文件的讀/寫操作之後最後需要關閉該文件，通過文件對象的close() 函數來實現即可。

打開模式

文件打開是可以指定其打開的模式，該參數通過mode來指定【默認模式為只讀(r)】。選擇不同的打開模式決定了後續可以對文件進行操作，如果使用 r 模式打開的文件則只能讀取文件而無法修改文件內容。open()提供了多種打開模式，下面列出了對應的打開模式和說明：

python 讀取CSV 文件

讀取一個CSV 文件

最全的

一個簡化版本

filepath_or_buffer : str，pathlib。str, pathlib.Path, py._path.local.LocalPath or any object with a read() method (such as a file handle or StringIO)

可以是URL，可用URL類型包括：http, ftp, s3和文件。對於多文件正在準備中

本地文件讀取實例：://localhost/path/to/table.csv

**sep **: str, default 『,』

指定分隔符。如果不指定參數，則會嘗試使用逗號分隔。分隔符長於一個字元並且不是『\s+』,將使用python的語法分析器。並且忽略數據中的逗號。正則表達式例子：’\r\t’

**delimiter **: str, default None

定界符，備選分隔符（如果指定該參數，則sep參數失效）

delim_whitespace : boolean, default False.

指定空格(例如』『或者』『)是否作為分隔符使用，等效於設定sep=’\s+’。如果這個參數設定為Ture那麼delimiter 參數失效。

在新版本0.18.1支持

header : int or list of ints, default 『infer』

指定行數用來作為列名，數據開始行數。如果文件中沒有列名，則默認為0，否則設置為None。如果明確設定header=0 就會替換掉原來存在列名。header參數可以是一個list例如：[0,1,3]，這個list表示將文件中的這些行作為列標題（意味著每一列有多個標題），介於中間的行將被忽略掉。

注意：如果skip_blank_lines=True 那麼header參數忽略注釋行和空行，所以header=0表示第一行數據而不是文件的第一行。

**names **: array-like, default None

用於結果的列名列表，如果數據文件中沒有列標題行，就需要執行header=None。默認列表中不能出現重複，除非設定參數mangle_dupe_cols=True。

index_col : int or sequence or False, default None

用作行索引的列編號或者列名，如果給定一個序列則有多個行索引。

如果文件不規則，行尾有分隔符，則可以設定index_col=False 來是的pandas不適用第一列作為行索引。

usecols : array-like, default None

返回一個數據子集，該列表中的值必須可以對應到文件中的位置（數字可以對應到指定的列）或者是字元傳為文件中的列名。例如：usecols有效參數可能是 [0,1,2]或者是 [『foo』, 『bar』, 『baz』]。使用這個參數可以加快載入速度並降低內存消耗。

as_recarray : boolean, default False

不贊成使用：該參數會在未來版本移除。請使用pd.read_csv(…).to_records()替代。

返回一個Numpy的recarray來替代DataFrame。如果該參數設定為True。將會優先squeeze參數使用。並且行索引將不再可用，索引列也將被忽略。

**squeeze **: boolean, default False

如果文件值包含一列，則返回一個Series

**prefix **: str, default None

在沒有列標題時，給列添加前綴。例如：添加『X』成為 X0, X1, …

**mangle_dupe_cols **: boolean, default True

重複的列，將『X』…』X』表示為『X.0』…』X.N』。如果設定為false則會將所有重名列覆蓋。

dtype : Type name or dict of column – type, default None

每列數據的數據類型。例如 {『a』: np.float64, 『b』: np.int32}

**engine **: {『c』, 『python』}, optional

Parser engine to use. The C engine is faster while the python engine is currently more feature-complete.

使用的分析引擎。可以選擇C或者是python。C引擎快但是Python引擎功能更加完備。

converters : dict, default None

列轉換函數的字典。key可以是列名或者列的序號。

true_values : list, default None

Values to consider as True

false_values : list, default None

Values to consider as False

**skipinitialspace **: boolean, default False

忽略分隔符後的空白（默認為False，即不忽略）.

skiprows : list-like or integer, default None

需要忽略的行數（從文件開始處算起），或需要跳過的行號列表（從0開始）。

skipfooter : int, default 0

從文件尾部開始忽略。 (c引擎不支持)

skip_footer : int, default 0

不推薦使用：建議使用skipfooter ，功能一樣。

nrows : int, default None

需要讀取的行數（從文件頭開始算起）。

na_values : scalar, str, list-like, or dict, default None

一組用於替換NA/NaN的值。如果傳參，需要制定特定列的空值。默認為『1.#IND』, 『1.#QNAN』, 『N/A』, 『NA』, 『NULL』, 『NaN』, 『nan』`.

**keep_default_na **: bool, default True

如果指定na_values參數，並且keep_default_na=False，那麼默認的NaN將被覆蓋，否則添加。

**na_filter **: boolean, default True

是否檢查丟失值（空字元串或者是空值）。對於大文件來說數據集中沒有空值，設定na_filter=False可以提升讀取速度。

verbose : boolean, default False

是否列印各種解析器的輸出信息，例如：「非數值列中缺失值的數量」等。

skip_blank_lines : boolean, default True

如果為True，則跳過空行；否則記為NaN。

**parse_dates **: boolean or list of ints or names or list of lists or dict, default False

infer_datetime_format : boolean, default False

如果設定為True並且parse_dates 可用，那麼pandas將嘗試轉換為日期類型，如果可以轉換，轉換方法並解析。在某些情況下會快5~10倍。

**keep_date_col **: boolean, default False

如果連接多列解析日期，則保持參與連接的列。默認為False。

date_parser : function, default None

用於解析日期的函數，默認使用dateutil.parser.parser來做轉換。Pandas嘗試使用三種不同的方式解析，如果遇到問題則使用下一種方式。

1.使用一個或者多個arrays（由parse_dates指定）作為參數；

2.連接指定多列字元串作為一個列作為參數；

3.每行調用一次date_parser函數來解析一個或者多個字元串（由parse_dates指定）作為參數。

**dayfirst **: boolean, default False

DD/MM格式的日期類型

**iterator **: boolean, default False

返回一個TextFileReader 對象，以便逐塊處理文件。

chunksize : int, default None

文件塊的大小， See IO Tools docs for more information on iterator and chunksize.

compression : {『infer』, 『gzip』, 『bz2』, 『zip』, 『xz』, None}, default 『infer』

直接使用磁碟上的壓縮文件。如果使用infer參數，則使用 gzip, bz2, zip或者解壓文件名中以『.gz』, 『.bz2』, 『.zip』, or 『xz』這些為後綴的文件，否則不解壓。如果使用zip，那麼ZIP包中國必須只包含一個文件。設置為None則不解壓。

新版本0.18.1版本支持zip和xz解壓

thousands : str, default None

千分位分割符，如「，」或者「.”

decimal : str, default 『.』

字元中的小數點 (例如：歐洲數據使用』，『).

float_precision : string, default None

Specifies which converter the C engine should use for floating-point values. The options are None for the ordinary converter, high for the high-precision converter, and round_trip for the round-trip converter.

指定

**lineterminator **: str (length 1), default None

行分割符，只在C解析器下使用。

**quotechar **: str (length 1), optional

引號，用作標識開始和解釋的字元，引號內的分割符將被忽略。

quoting : int or csv.QUOTE_* instance, default 0

控制csv中的引號常量。可選 QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3)

doublequote : boolean, default True

雙引號，當單引號已經被定義，並且quoting 參數不是QUOTE_NONE的時候，使用雙引號表示引號內的元素作為一個元素使用。

escapechar : str (length 1), default None

當quoting 為QUOTE_NONE時，指定一個字元使的不受分隔符限值。

comment : str, default None

標識著多餘的行不被解析。如果該字元出現在行首，這一行將被全部忽略。這個參數只能是一個字元，空行（就像skip_blank_lines=True）注釋行被header和skiprows忽略一樣。例如如果指定comment=’#’ 解析『#empty\na,b,c\n1,2,3』以header=0 那麼返回結果將是以』a,b,c’作為header。

encoding : str, default None

指定字符集類型，通常指定為’utf-8′. List of Python standard encodings

dialect : str or csv.Dialect instance, default None

如果沒有指定特定的語言，如果sep大於一個字元則忽略。具體查看csv.Dialect 文檔

tupleize_cols : boolean, default False

Leave a list of tuples on columns as is (default is to convert to a Multi Index on the columns)

error_bad_lines : boolean, default True

如果一行包含太多的列，那麼默認不會返回DataFrame ，如果設置成false，那麼會將改行剔除（只能在C解析器下使用）。

warn_bad_lines : boolean, default True

如果error_bad_lines =False，並且warn_bad_lines =True 那麼所有的「bad lines」將會被輸出（只能在C解析器下使用）。

**low_memory **: boolean, default True

分塊載入到內存，再低內存消耗中解析。但是可能出現類型混淆。確保類型不被混淆需要設置為False。或者使用dtype 參數指定類型。注意使用chunksize 或者iterator 參數分塊讀入會將整個文件讀入到一個Dataframe，而忽略類型（只能在C解析器中有效）

**buffer_lines **: int, default None

不推薦使用，這個參數將會在未來版本移除，因為他的值在解析器中不推薦使用

compact_ints : boolean, default False

不推薦使用，這個參數將會在未來版本移除

如果設置compact_ints=True ，那麼任何有整數類型構成的列將被按照最小的整數類型存儲，是否有符號將取決於use_unsigned 參數

use_unsigned : boolean, default False

不推薦使用：這個參數將會在未來版本移除

如果整數列被壓縮(i.e. compact_ints=True)，指定被壓縮的列是有符號還是無符號的。

memory_map : boolean, default False

如果使用的文件在內存內，那麼直接map文件使用。使用這種方式可以避免文件再次進行IO操作。

ref：

原創文章，作者：小藍，如若轉載，請註明出處：https://www.506064.com/zh-tw/n/227805.html