目錄

• 一、概述
• 二、數據組織的維度
  • 2.1 從一個數據到一組數據
  • 2.2 維度：一組數據的組織形式
  • 2.3 一維數據
  • 2.4 二維數據
  • 2.5 多維數據
  • 2.6 高維數據
  • 2.7 數據的操作周期
• 三、一維數據的表示
  • 3.1 如果數據間有序：使用列表類型
  • 3.2 如果數據間無序：使用集合類型
• 四、一維數據的存儲
  • 4.1 存儲方式一：空格分隔
  • 4.2 存儲方式二：逗號分隔
  • 4.3 存儲方式三：其他方式
• 五、一維數據的處理
  • 5.1 數據的處理
  • 5.2 一維數據的讀入處理
    • 5.2.1 從空格分隔的文件中讀入數據
    • 5.2.2 從特殊符號分隔的文件中讀入數據
  • 5.3 一維數據的寫入處理
    • 5.3.1 采用空格分隔方式將數據寫入文件
    • 5.3.2 采用特殊分隔方式將數據寫入文件
• 六、單元小結
  • 6.1 一維數據的格式化和處理

一、概述

• 數據組織的維度
• 一維數據的表示
• 一維數據的存儲
• 一維數據的處理

二、數據組織的維度

2.1 從一個數據到一組數據

2.2 維度：一組數據的組織形式

2.3 一維數據

由對等關系的有序或無序數據構成，采用線性方式組織

3.1413, 3.1398, 3.1404, 3.1401, 3.1349, 3.1376

• 對應列表、數組和集合等概念

2.4 二維數據

由多個一維數據構成，是一維數據的組合形式

表格是典型的二維數據，其中，表頭是二維數據的一部分

2.5 多維數據

由一維或二維數據在新維度上擴展形成

2.6 高維數據

僅利用最基本的二元關系展示數據間的復雜結構

2.7 數據的操作周期

存儲 <-> 表示 <-> 操作

三、一維數據的表示

3.1 如果數據間有序：使用列表類型

ls = [3.1398, 3.1349, 3.1376]

• 列表類型可以表達一維有序數據
• for循環可以遍歷數據，進而對每個數據進行處理

3.2 如果數據間無序：使用集合類型

st = {3.1398, 3.1349, 3.1376}

• 集合類型可以表達一維無序數據
• for循環可以遍歷數據，進而對每個數據進行處理

四、一維數據的存儲

4.1 存儲方式一：空格分隔

中國 美國 日本 德國 法國 英國 意大利

• 使用一個或多個空格分隔進行存儲，不換行
• 缺點：數據中不能存在空格

4.2 存儲方式二：逗號分隔

中國,美國,日本,德國,法國,英國,意大利

• 使用英文半角逗號分隔數據進行存儲，不換行
• 缺點：數據中不能有英文逗號

4.3 存儲方式三：其他方式

中國$美國$日本$德國$法國$英國$意大利

• 使用其他符號或符號組合分隔，建議采用特殊符號
• 缺點：需要根據數據特點定義，通用性較差

五、一維數據的處理

5.1 數據的處理

存儲 <-> 表示

• 將存儲的數據讀入程序
• 將程序表示的數據寫入文件

5.2 一維數據的讀入處理

5.2.1 從空格分隔的文件中讀入數據

中國 美國 日本 德國 法國 英國 意大利

txt = open(fname).read() ls = txt.split() f.close() print(ls) # ['中國', '美國', '日本', '德國 ', '法國', '英國', '意大利']

5.2.2 從特殊符號分隔的文件中讀入數據

中國$美國$日本$德國$法國$英國$意大利

txt = open(fname).read() ls = txt.split('$') f.close() print(ls) # ['中國', '美國', '日本', '德國 ', '法國', '英國', '意大利']

5.3 一維數據的寫入處理

5.3.1 采用空格分隔方式將數據寫入文件

ls = ['中國', '美國', '日本'] f = open(fname, 'w') f.write(' '.join(ls)) f.close()

5.3.2 采用特殊分隔方式將數據寫入文件

ls = ['中國', '美國', '日本'] f = open(fname, 'w') f.write('$'.join(ls)) f.close()

六、單元小結

6.1 一維數據的格式化和處理

• 數據的維度：一維、二維、多維、高維
• 一維數據的表示：列表類型(有序)和集合類型(無序)
• 一維數據的存儲：空格分隔、逗號分隔、特殊符號分隔
• 一維數據的處理：字符串方法 .split() 和 .join()

轉載于:https://www.cnblogs.com/nickchen121/p/11208270.html

總結

以上是生活随笔為你收集整理的047 一维数据的格式化和处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。