for line in csvReader:
dataSet.append(line)
return dataSet
读取的方式，是一行一行读取。
1.2
pandas
读取
import pandas as pd
test_df = pd.read_csv(r'G:\test_linearRegression.csv',
sep = '\t', header = None)
pandas 包读取后的数据是
dataframe
的格式。
1.3 numpy包读取
csv
格式的文件默认是
,
分割（也有可能是
\t
等符号分割），在知道分割符的情况下，可以使用numpy包的
genfromtext
进行读取文件。读取后文件的格式是
numpy.array
.
from numpy import genfromtxt
my_data = genfromtxt('my_file.csv', delimiter=',')
2、写入
import csv
with open(r'G:\0pythonstudy\chengxu\test.csv','w',newline='') as myFile:
myWriter=csv.writer(myFile)
myWriter.writerow([7,'g'])
myWriter.writerow([8,'h'])
myList=[[1,2,3],[4,5,6]]
myWriter.writerows(myList)
# myFile.close()
with open(r'G:\0pythonstudy\chengxu\test.csv',"r") as data:
result=csv.reader(data)
for item in result:
print(item)
如果写入，纯用
open(r'G:\0pythonstudy\chengxu\test.csv','w')
, 没有
newline=''
,就会出现多出一空行。
二、Excel文件处理
1、读取
方法一：
使用Python的 xlrd包。
#1、导入模块
import xlrd
#2、打开Excel文件读取数据
data = xlrd.open_workbook('test_data.xlsx')
# print('data',data)
#3、使用技巧
#获取一个工作表
table = data.sheets()[0] #通过索引顺序获取
# print('table',table)
print(table.nrows)#table 行数
print(table.ncols)
table = data.sheet_by_index(0) #通过索引顺序获取
# print('table',table)
table = data.sheet_by_name(u'Sheet1')#通过名称获取
# 获取整行和整列的值（数组）
print(table.row_values(i))#获得第i行数据
print(table.col_values(i))#获得第i列数据
运行结果：
9
[2.0, 6.0]
[5.0, 6.0, 7.0, 8.0, 9.0, 10.0, 11.0, 12.0, 13.0]
方法二：
或者，可以把Excel文件转换成csv格式文件，直接修改后缀名，好像会出错，还是建议另存为修改成csv文件。
方法三：
使用pandas包
import pandas as pd
test_df = pd.read_excel(r'G:\test.xlsx')
pandas
读取为
dataframe
格式，其中
dataframe.values
是
nparray
格式，
nparray.tolist()
是
python list
格式。
注意：pandas和 xlrd的区别在于，pandas会把第一行和第一列作为索引的表头；xlrd则会把所有的数据都读取，没有索引表头一说。
三、dat文件处理
方法一：用numpy包直接读取
c = np.fromfile('test2.dat', dtype=int)
方法二：
或者，把
.dat
文件修改成
.txt
格式文件。
方法三（推荐）
：用pandas包读取
在文件
users.dat
里边的内容如下：
1::F::1::10::48067
2::M::56::16::70072
3::M::25::15::55117
4::M::45::7::02460
5::M::25::20::55455
读取方式：
import pandas as pd
df = pd.read_csv(path+"users.dat", sep = "::", header=None,
names=["UserID","Gender","Age","Occupation","Zipcode"])
这里，
sep
是指分隔符，
header
是指用那行作为
dataframe
的列名，这里是没有列名，只能自己定义
names
作为列名。
效果如下：
UserID Gender Age Occupation Zipcode
0 1 F 1 10 48067
1 2 M 56 16 70072
2 3 M 25 15 55117
3 4 M 45 7 02460
4 5 M 25 20 55455
关于，
dataframe
是
pandas
包处理数据的格式。
四、txt文件处理
使用numpy读取。
a = numpy.loadtxt('odom.txt')
a [[ 2.49870000e-01
2.50250000e-01
[ 3.64260000e+03
3.72430000e+03
[ 4.53960000e+03
4.50590000e+03
[ 4.74110000e+01
4.89660000e+01
[ 4.10930000e+01
4.20480000e+01
[ 1.83510000e+01
1.68250000e+01
a.shape (52, 500)
五、mat文件读写
mat是MATLAB格式，使用python读取，会得到一个字典。
1.读取
import numpy as np
import os
os.chdir(r'F:/data')
import scipy.io as scio
data = scio.loadmat('97.mat')
print(data)
de = data['X097_DE_time']
运行结果：
这是一个字典。
{'__header__': b'MATLAB 5.0 MAT-file, Platform: PCWIN, Created on: Mon Jan 31 15:28:20 2000', '__version__': '1.0', '__globals__': [], 'X097_DE_time': array([[ 0.05319692],
[ 0.08866154],
[ 0.09971815],
[-0.03463015],
[ 0.01668923],
[ 0.04693846]]), 'X097_FE_time': array([[0.14566727],
[0.09779636],
[0.05485636],
[0.14053091],
[0.09553636],
[0.09019455]]), 'X097RPM': array([[1796]], dtype=uint16)}
读取的另一种方式,顺便把
mat
转换为
array
。(
推荐
)：
from mat4py import loadmat
import numpy as np
data = np.array(loadmat('test.mat')['dictKey']).astype('float')
这两种方式只是使用的库不同而已。
nginx 判断手机还是电脑
说明NP: NGINX PlusAG: Admin Guide会话: session上游: upstream流量：traffic后端：backend
目录1.HTTP运行状况检查2.介绍3.先决条件4.被动健康检查5.服务器缓慢启动6.激活健康检查7.指定请求的URI8.定义自定义条件1.HTTP运行状况检查本文介绍如何在NGINX Plus和NGINX Open Sourc
