湖南
10.4 二維數(shù)據(jù)的組織與處理
在現(xiàn)實世界中，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 的標準庫 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
（1）寫入 CSV 文件
相關(guān)方法：
csv.writer(f)
創(chuàng)建 CSV 寫入對象。
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：在實驗記錄或日志存儲中，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。會將所有字段讀取為字符串，必要時需自行轉(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，我們常需要進一步篩選、統(tǒng)計或可視化。
例 10.4.1：篩選高分學生
print("高分學生：", high_scores)輸出：
高分學生： ['艾婉婷', '鞠子舟', '爾理湴']例 10.4.2：計算平均成績
print(f"平均成績：{avg:.2f}")輸出：
平均成績：91.2510.4.5 CSV 文件的進階操作
在項目開發(fā)中，常需要對 CSV 進行更復雜操作，如排序、去重或多字段統(tǒng)計。
（1）按列排序
使用內(nèi)置函數(shù) 進行排序，返回一個列表。
print(row["姓名"], row["成績"])輸出：
岳露珊 88（2）去除重復記錄
結(jié)合集合（set）與列表以達到高效數(shù)據(jù)清洗的目的。
names_seen.add(row["姓名"])例 10.4.3：AI 實驗結(jié)果統(tǒng)計器
在機器學習實驗中，每輪訓練結(jié)果常以 CSV 文件保存：
3,0.44,0.87編寫程序計算平均準確率與最低損失：
print(f"平均準確率：{sum(accuracies)/len(accuracies):.2f}")輸出：
平均準確率：0.85此示例模擬真實的 AI 訓練日志分析過程。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
當數(shù)據(jù)結(jié)構(gòu)更復雜（如嵌套列表、嵌套字典）時，CSV 已難以表達，此時可使用 JSON（JavaScript Object Notation） 格式。
是一種輕量級數(shù)據(jù)交換格式，兼具可讀性與層次結(jié)構(gòu)表達能力。它在 AI、Web 接口與配置文件中被廣泛使用。
（1）Python 與 JSON 的對應(yīng)關(guān)系
JSON 類型
Python 類型
對象（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、也最具實用價值的技能之一。
無論是保存日志、歸檔實驗結(jié)果，還是記錄系統(tǒng)配置與統(tǒng)計報告，都離不開對文件的讀取、寫入與格式化處理。
例 10.6.1：AI 訓練日志歸檔器
功能描述：自動讀取 AI 模型的訓練日志文件，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 訓練日志歸檔的自動化過程，可在模型訓練結(jié)束后快速生成分析用表格。
例 10.6.2：學生成績報告生成器
功能描述：從 CSV 成績文件讀取學生信息，計算平均分與等級，并導出 JSON 格式的成績報告。
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)用于教學管理系統(tǒng)、考核統(tǒng)計或數(shù)據(jù)可視化項目。
例 10.6.3：模型配置加載與訓練結(jié)果更新
功能描述：讀取 JSON 格式的模型配置文件，動態(tài)更新參數(shù)并保存新的配置；同時，將訓練結(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。")該程序模擬了機器學習項目中最常見的文件交互場景，包括配置更新與實驗記錄。
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驗日志歸檔、成績報告生成以及模型配置管理的實際應(yīng)用。
下一階段將進入 Python 面向?qū)ο缶幊痰膶W習，了解類、對象與方法的定義與使用，為構(gòu)建可復用的程序模塊打下基礎(chǔ)。
“點贊有美意，贊賞是鼓勵”
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
