Python 編程B17：文件（二）

10.4 二維數(shù)據(jù)的組織與處理

在現(xiàn)實(shí)世界中，數(shù)據(jù)往往不是一維序列，而是由多行多列組成的“表格”。

Python 的標(biāo)準(zhǔn)庫 和第三方庫 都能高效地處理這類文件。

10.4.1 二維數(shù)據(jù)的表示

二維數(shù)據(jù)可用嵌套列表或列表嵌套字典的結(jié)構(gòu)表示。

示例：

]

說明：嵌套列表，更接近 的按行按列排列的數(shù)據(jù)。列表嵌套字典 ，更接近 JSON 或數(shù)據(jù)庫中的“記錄（Record）”。

10.4.2 二維數(shù)據(jù)的存儲(chǔ)

（1）寫入 CSV 文件

相關(guān)方法：

csv.writer(f)

創(chuàng)建 CSV 寫入對(duì)象。

writer.writerow(data)

一次寫入一行數(shù)據(jù)。

writer.writerows(data)

一次寫入多行數(shù)據(jù)。

示例：

print("CSV 文件寫入完成。")

生成的文件內(nèi)容如下：

鞠子舟,92

說明：newline="" 可避免在 Windows 系統(tǒng)中寫入空行。

（2）追加數(shù)據(jù)

示例：

    writer.writerow(["爾理湴", 90])

提示：在實(shí)驗(yàn)記錄或日志存儲(chǔ)中，追加模式 'a' 常用于逐步寫入新結(jié)果。

10.4.3 二維數(shù)據(jù)的讀取

（1）按行讀取

相關(guān)方法：

csv.reader(f)

按行讀取 CSV 內(nèi)容。會(huì)將所有字段讀取為字符串，必要時(shí)需自行轉(zhuǎn)換類型。

示例：

        print(row)

輸出：

['爾理湴', '90']

（2）以字典形式讀取

相關(guān)方法：

csv.DictReader(f)

返回每行數(shù)據(jù)為字典，鍵為列名。

示例：

        print(row["姓名"], row["成績"])

輸出：

爾理湴 90

說明：這種方式適合處理列名已知的數(shù)據(jù)表，尤其是后續(xù)需按字段篩選或統(tǒng)計(jì)的情況。

10.4.4 二維數(shù)據(jù)的處理

在讀取數(shù)據(jù)后，我們常需要進(jìn)一步篩選、統(tǒng)計(jì)或可視化。

例 10.4.1：篩選高分學(xué)生

print("高分學(xué)生：", high_scores)

輸出：

高分學(xué)生： ['艾婉婷', '鞠子舟', '爾理湴']

例 10.4.2：計(jì)算平均成績

print(f"平均成績：{avg:.2f}")

輸出：

平均成績：91.25

10.4.5 CSV 文件的進(jìn)階操作

在項(xiàng)目開發(fā)中，常需要對(duì) CSV 進(jìn)行更復(fù)雜操作，如排序、去重或多字段統(tǒng)計(jì)。

（1）按列排序

使用內(nèi)置函數(shù) 進(jìn)行排序，返回一個(gè)列表。

    print(row["姓名"], row["成績"])

輸出：

岳露珊 88

（2）去除重復(fù)記錄

結(jié)合集合（set）與列表以達(dá)到高效數(shù)據(jù)清洗的目的。

            names_seen.add(row["姓名"])

例 10.4.3：AI 實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)器

在機(jī)器學(xué)習(xí)實(shí)驗(yàn)中，每輪訓(xùn)練結(jié)果常以 CSV 文件保存：

3,0.44,0.87

編寫程序計(jì)算平均準(zhǔn)確率與最低損失：

print(f"平均準(zhǔn)確率：{sum(accuracies)/len(accuracies):.2f}")

輸出：

平均準(zhǔn)確率：0.85

此示例模擬真實(shí)的 AI 訓(xùn)練日志分析過程。在科研或開發(fā)中，模型性能監(jiān)控通常依賴類似的 CSV 文件分析腳本。

10.5 高維數(shù)據(jù)的組織與處理

當(dāng)數(shù)據(jù)結(jié)構(gòu)更復(fù)雜（如嵌套列表、嵌套字典）時(shí)，CSV 已難以表達(dá)，此時(shí)可使用 JSON（JavaScript Object Notation） 格式。

是一種輕量級(jí)數(shù)據(jù)交換格式，兼具可讀性與層次結(jié)構(gòu)表達(dá)能力。它在 AI、Web 接口與配置文件中被廣泛使用。

（1）Python 與 JSON 的對(duì)應(yīng)關(guān)系

JSON 類型

Python 類型

對(duì)象（Object）

字典（dict）

數(shù)組（Array）

列表（list）

字符串（String）

字符串（str）

數(shù)值（Number）

int / float

布爾值（Boolean）

bool

空（null）

None

（2）寫入 JSON 文件

相關(guān)方法：

json.dump(obj, f, indent, ensure_ascii)

將 Python 對(duì)象寫入 JSON 文件。

示例：

print("模型配置文件已保存。")

生成的 config.json 內(nèi)容：

}

（3）讀取 JSON 文件

相關(guān)方法：

json.load(f)

從文件讀取 JSON 并轉(zhuǎn)換為 Python 對(duì)象。

示例：

print("網(wǎng)絡(luò)層配置：", cfg["layers"])

輸出：

網(wǎng)絡(luò)層配置： [64, 128, 256]

10.6 文件綜合示例與應(yīng)用

文件操作是 Python 應(yīng)用中最常見、也最具實(shí)用價(jià)值的技能之一。

無論是保存日志、歸檔實(shí)驗(yàn)結(jié)果，還是記錄系統(tǒng)配置與統(tǒng)計(jì)報(bào)告，都離不開對(duì)文件的讀取、寫入與格式化處理。

例 10.6.1：AI 訓(xùn)練日志歸檔器

功能描述：自動(dòng)讀取 AI 模型的訓(xùn)練日志文件，提取關(guān)鍵信息（Epoch、Loss、Accuracy），并生成結(jié)構(gòu)化 CSV 文件，便于后續(xù)分析。

示例日志文件 train.log 內(nèi)容：

Epoch 3: Loss=0.44 Accuracy=0.87

示例代碼：

log_to_csv("train.log", "result.csv")

生成的 result.csv 文件內(nèi)容：

3,0.44,0.87

此程序模擬 AI 訓(xùn)練日志歸檔的自動(dòng)化過程，可在模型訓(xùn)練結(jié)束后快速生成分析用表格。

例 10.6.2：學(xué)生成績報(bào)告生成器

功能描述：從 CSV 成績文件讀取學(xué)生信息，計(jì)算平均分與等級(jí)，并導(dǎo)出 JSON 格式的成績報(bào)告。

generate_report("成績表.csv", "report.json")

生成的 report.json 文件內(nèi)容：

]

該示例展示了 CSV → JSON 的數(shù)據(jù)流轉(zhuǎn)換過程，是文件格式化與數(shù)據(jù)清洗的典型應(yīng)用。類似邏輯可應(yīng)用于教學(xué)管理系統(tǒng)、考核統(tǒng)計(jì)或數(shù)據(jù)可視化項(xiàng)目。

例 10.6.3：模型配置加載與訓(xùn)練結(jié)果更新

功能描述：讀取 JSON 格式的模型配置文件，動(dòng)態(tài)更新參數(shù)并保存新的配置；同時(shí)，將訓(xùn)練結(jié)果追加至文本文件以備后續(xù)可視化分析。

print("配置與結(jié)果已更新。")

該程序模擬了機(jī)器學(xué)習(xí)項(xiàng)目中最常見的文件交互場景，包括配置更新與實(shí)驗(yàn)記錄。

小結(jié)

本次課講解了二維和高維數(shù)據(jù)的文件操作，包括 CSV 與 JSON 的讀寫、篩選、排序與格式轉(zhuǎn)換。通過綜合示例展示了實(shí)驗(yàn)日志歸檔、成績報(bào)告生成以及模型配置管理的實(shí)際應(yīng)用。

下一階段將進(jìn)入 Python 面向?qū)ο缶幊痰膶W(xué)習(xí)，了解類、對(duì)象與方法的定義與使用，為構(gòu)建可復(fù)用的程序模塊打下基礎(chǔ)。

“點(diǎn)贊有美意，贊賞是鼓勵(lì)”