CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章Python处理CSV、JSON和XML数据的简便方法由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

Python的卓越灵活性和易用性使其成为最受欢迎的编程语言之一，尤其是对于数据处理和机器学习方面来说，其强大的数据处理库和算法库使得python成为入门数据科学的首选语言。在日常使用中，CSV，JSON和XML三种数据格式占据主导地位。下面我将针对三种数据格式来分享其快速处理的方法.

CSV数据

CSV是存储数据的最常用方法。在Kaggle比赛的大部分数据都是以这种方式存储的。我们可以使用内置的Python csv库来读取和写入CSV。通常，我们会将数据读入列表列表.

看看下面的代码。当我们运行csv.reader()所有CSV数据变得可访问时。该csvreader.next()函数从CSV中读取一行; 每次调用它，它都会移动到下一行。我们也可以使用for循环遍历csv的每一行for row in csvreader 。确保每行中的列数相同，否则，在处理列表列表时，最终可能会遇到一些错误.

1. import csv
2. filename = "my_data.csv"
3. fields = []
4. rows = []
5. # Reading csv file
6. with open(filename, 'r') as csvfile:
7. # Creating a csv reader object
8. csvcsvreader = csv.reader(csvfile)
9. # Extracting field names in the first row
10. fields = csvreader.next()
11. # Extracting each data row one by one
12. for row in csvreader:
13. rows.append(row)
14. # Printing out the first 5 rows
15. for row in rows[:5]:
16. print(row)

在Python中写入CSV同样容易。在单个列表中设置字段名称，并在列表列表中设置数据。这次我们将创建一个writer()对象并使用它将我们的数据写入文件，与读取时的方法基本一样.

1. import csv
2. # Field names
3. fields = ['Name', 'Goals', 'Assists', 'Shots']
4. # Rows of data in the csv file
5. rows = [ ['Emily', '12', '18', '112'],
6. ['Katie', '8', '24', '96'],
7. ['John', '16', '9', '101'],
8. ['Mike', '3', '14', '82']]
9. filename = "soccer.csv"
10. # Writing to csv file
11. with open(filename, 'w+') as csvfile:
12. # Creating a csv writer object
13. csvcsvwriter = csv.writer(csvfile)
14. # Writing the fields
15. csvwriter.writerow(fields)
16. # Writing the data rows
17. csvwriter.writerows(rows)

我们可以使用Pandas将CSV转换为快速单行的字典列表。将数据格式化为字典列表后，我们将使用该dicttoxml库将其转换为XML格式。我们还将其保存为JSON文件！ 。

1. import pandas as pd
2. from dicttoxml import dicttoxml
3. import json
4. # Building our dataframe
5. data = {'Name': ['Emily', 'Katie', 'John', 'Mike'],
6. 'Goals': [12, 8, 16, 3],
7. 'Assists': [18, 24, 9, 14],
8. 'Shots': [112, 96, 101, 82]
9. }
10. df = pd.DataFrame(data, columns=data.keys())
11. # Converting the dataframe to a dictionary
12. # Then save it to file
13. data_dict = df.to_dict(orient="records")
14. with open('output.json', "w+") as f:
15. json.dump(data_dict, f, indent=4)
16. # Converting the dataframe to XML
17. # Then save it to file
18. xml_data = dicttoxml(data_dict).decode()
19. with open("output.xml", "w+") as f:
20. f.write(xml_data)

JSON数据

JSON提供了一种简洁且易于阅读的格式，它保持了字典式结构。就像CSV一样，Python有一个内置的JSON模块，使阅读和写作变得非常简单！我们以字典的形式读取CSV时，然后我们将该字典格式数据写入文件.

1. import json
2. import pandas as pd
3. # Read the data from file
4. # We now have a Python dictionary
5. with open('data.json') as f:
6. data_listofdict = json.load(f)
7. # We can do the same thing with pandas
8. data_df = pd.read_json('data.json', orient='records')
9. # We can write a dictionary to JSON like so
10. # Use 'indent' and 'sort_keys' to make the JSON
11. # file look nice
12. with open('new_data.json', 'w+') as json_file:
13. json.dump(data_listofdict, json_file, indent=4, sort_keys=True)
14. # And again the same thing with pandas
15. export = data_df.to_json('new_data.json', orient='records')

正如我们之前看到的，一旦我们获得了数据，就可以通过pandas或使用内置的Python CSV模块轻松转换为CSV。转换为XML时，可以使用dicttoxml库。具体代码如下:

1. import json
2. import pandas as pd
3. import csv
4. # Read the data from file
5. # We now have a Python dictionary
6. with open('data.json') as f:
7. data_listofdict = json.load(f)
8. # Writing a list of dicts to CSV
9. keys = data_listofdict[0].keys()
10. with open('saved_data.csv', 'wb') as output_file:
11. dict_writer = csv.DictWriter(output_file, keys)
12. dict_writer.writeheader()
13. dict_writer.writerows(data_listofdict)

XML数据

XML与CSV和JSON有点不同。CSV和JSON由于其既简单又快速，可以方便人们进行阅读，编写和解释。而XML占用更多的内存空间，传送和储存需要更大的带宽，更多存储空间和更久的运行时间。但是XML也有一些基于JSON和CSV的额外功能：您可以使用命名空间来构建和共享结构标准，更好地传承，以及使用XML、DTD等数据表示的行业标准化方法.

要读入XML数据，我们将使用Python的内置XML模块和子模ElementTree。我们可以使用xmltodict库将ElementTree对象转换为字典。一旦我们有了字典，我们就可以转换为CSV，JSON或Pandas Dataframe！具体代码如下:

1. import xml.etree.ElementTree as ET
2. import xmltodict
3. import json
4. tree = ET.parse('output.xml')
5. xml_data = tree.getroot()
6. xmlstr = ET.tostring(xml_data, encoding='utf8', method='xml')
7. data_dict = dict(xmltodict.parse(xmlstr))
8. print(data_dict)
9. with open('new_data_2.json', 'w+') as json_file:
10. json.dump(data_dict, json_file, indent=4, sort_keys=True)

原文地址：https://mp.weixin.qq.com/s/A7HOW5JXZwtRrZtic7Gdhw 。

最后此篇关于Python处理CSV、JSON和XML数据的简便方法的文章就讲到这里了,如果你想了解更多关于Python处理CSV、JSON和XML数据的简便方法的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。