Python操作csv文件源程序

Python操作csv文件源代碼.rar (27.59 KB, 售價: 1 E幣)

2020-6-10 17:17 上傳

點擊文件名下載附件
售價: 1 E幣  [記錄]  [購買]

部分代碼：

1. # -*- coding:utf-8 -*-
   
2. #以只讀的方式打開指定的擴展名為csv的文件，其編碼格式為UTF-8-sig，注意這個位置的編碼格式不能是utf-8
   
3. file = open(r'E:\python\a.csv','r',encoding='utf-8-sig')
   
4. #讀取文件的內容并將其賦給變量data
   
5. data = csv.reader(file)
   
6. #讀取變量data中的第一行（表頭）
   
7. header = next(data)
   
8. #print('header = ' + str(header))
   
9. #創建一個列表attributeList，專門存放數據源的屬性值
   
10. attributeList = []
    
11. #創建一個列表resultList，專門存放對應各行記錄的結果值
    
12. resultList = []
    
13. 
    
14. for row in data:
    
15.     resultList.append(row[len(row) - 1])   #將每行記錄的結果值存入resultList中
    
16.     rowDictionary = {}                     #定義一個詞典rowDictionary，用來存放每行的屬性名稱及其對應的屬性值
    
17.     for i in range(1,len(row) - 1):
    
18.         rowDictionary[header[i]] = row[i]  #向詞典rowDictionary添加屬性名稱及其對應的屬性值
    
19.     attributeList.append(rowDictionary)    #將每次內層循環產生的詞典添加到列表attributeList中
    
20. 
    
21. 
    
22. # print(resultList)
    
23. 
    
24. vec = DictVectorizer()                     #創建一個DictVectorizer的實例，DictVectorizer是字典特征提取器，用來將數據的數據類型轉化為整型
    
25. attributeArray = vec.fit_transform(attributeList).toarray()   #利用vec實例將列表attributeList轉化成“01”矩陣，函數fit_transform是先擬合數據，再標準化，函數toarray是將轉化后的數據轉變為數組
    
26. title = vec.get_feature_names()            #獲取vec中所有特征向量的名稱和及其能取到的值
    
27. 
    
28. #print(title)
    
29. #print(array)
    
30. 
    
31. lb = preprocessing.LabelBinarizer()        #初始化變量lb，preprocessing.LabelBinarizer()的作用是可將分類數據轉化為“01”數據，例如可以把yes和no轉化為0和1，或是把incident和normal轉化為0和1
    
32. resultArray = lb.fit_transform(resultList) #將結果值列表resultList轉化為“01”矩陣
    
33. 
    
34. #print(resultArray)
    
35. 
    
36. transformArray = tree.DecisionTreeClassifier(criterion='entropy') #利用分類決策樹tree（已引入）模塊創建決策樹分類器DecisionTreeClassifier，其實現算法是ID3算法(criterion=entropy)
    
37. transformArray = transformArray.fit(attributeArray, resultArray)  #根據attributeArray和resultArray生成決策樹
    
38. 
    
39. #利用pip安裝graphviz包和pydotplus包
    
40. dotData = tree.export_graphviz(transformArray,feature_names=title,out_file=None)#根據transformArray和title生成判定樹的節點，同時讓輸出文件為None（out_file=None）
    
41. 
    
42. graph = pydotplus.graph_from_dot_data(dotData)                                  #根據上條語句生成的決策樹結點dotData生成判定樹的圖形結構
    
43. 
    
44. graph.write_pdf('E:/python/a.pdf') #將樹形結構寫入到指定的文件中

復制代碼

【必讀】版權免責聲明

1、本主題所有言論和內容純屬會員個人意見，與本論壇立場無關。2、本站對所發內容真實性、客觀性、可用性不做任何保證也不負任何責任，網友之間僅出于學習目的進行交流。3、對提供的數字內容不擁有任何權利，其版權歸原著者擁有。請勿將該數字內容進行商業交易、轉載等行為，該內容只為學習所提供，使用后發生的一切問題與本站無關。 4、本網站不保證本站提供的下載資源的準確性、安全性和完整性;同時本網站也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的損失或傷害。 5、本網站所有軟件和資料均為網友推薦收集整理而來，僅供學習用途使用，請務必下載后兩小時內刪除，禁止商用。6、如有侵犯你版權的，請及時聯系我們（電子郵箱1370723259@qq.com）指出，本站將立即改正。