當(dāng)代碼投入生產(chǎn)時(shí)，你需要去組織代碼的文件。讀寫、創(chuàng)建和運(yùn)行許多代碼文件是件非常耗時(shí)的事。本文將展示如何自動化這些繁瑣的操作：

·遍歷一個(gè)目錄中的文件

·創(chuàng)建尚未建立的嵌套文件

·使用bashfor循環(huán)來運(yùn)行一個(gè)有多個(gè)輸入端的文件

在處理數(shù)據(jù)科學(xué)項(xiàng)目時(shí)，這些技巧為筆者節(jié)省了大量的時(shí)間。希望對你也有用!

遍歷一個(gè)目錄中的文件

如果有如下多個(gè)數(shù)據(jù)需要讀取和處理：

├──data

│├──data1.csv

│├──data2.csv

│└──data3.csv

└──main.py

可以手動地一次讀取一個(gè)文件：

importpandasaspddefprocess_data(df):

passdf=pd.read_csv(data1.csv)

process_data(df)df2=pd.read_csv(data2.csv)

process_data(df2)df3=pd.read_csv(data3.csv)

process_data(df3)

這是可行的，但是當(dāng)有超過三個(gè)數(shù)據(jù)時(shí)，效率就會變得很低。如果上述腳本中唯一改變的是數(shù)據(jù)，為什么不用for循環(huán)來訪問每個(gè)數(shù)據(jù)呢?

下面的腳本允許我們遍歷指定目錄中的文件：

importos

importpandasaspd

defloop_directory(directory:str):

'''Loopfilesinthedirectory'''

forfilenameinos.listdir(directory):

iffilename.endswith(".csv"):

file_directory=os.path.join(directory,filename)

print(file_directory)

pd.read_csv(file_directory)

if__name__=='__main__':

loop_directory('data/')

data/data3.csv

data/data2.csv

data/data1.csv

對上面腳本的解釋如下：

·forfilenameinos.listdir(directory):在一個(gè)指定的目錄中遍歷文件。

·iffilename.endswith(".csv"):運(yùn)行(訪問?)以‘.csv’結(jié)尾的文件。

·file_directory=os.path.join(directory,filename):連接父目錄('data')和該目錄中的文件。

現(xiàn)在就可以在‘data’目錄中訪問所有的文件啦!

如果不存在，就創(chuàng)建嵌套文件

有時(shí)你可能想要通過創(chuàng)建嵌套文件來管理代碼或模型，在之后更容易地尋找。比如，可以運(yùn)用‘model1’來明確規(guī)定一個(gè)有著具體特征的程序。當(dāng)使用model1時(shí)，你可能想要嘗試運(yùn)用不同種類的機(jī)器學(xué)習(xí)模型來訓(xùn)練數(shù)據(jù)(‘model1/XGBoost’)。

在使用各個(gè)機(jī)器學(xué)習(xí)模型時(shí)，我們甚至想要去保存不同樣式的模型，因?yàn)樗鼈兯\(yùn)用的超參數(shù)存在不同。因此，模型目錄就像下面的示例一樣復(fù)雜：

model

├──model1

│├──NaiveBayes

│└──XGBoost

│├──version_1

│└──version_2

└──model2

├──NaiveBayes

└──XGBoost

├──version_1

└──version_2

對每個(gè)所創(chuàng)的模型手動地建立嵌套文件可能需要花費(fèi)很長的時(shí)間。有沒有能夠自動化這個(gè)進(jìn)程的方法?有，通過使用os.makedirs(datapath)。

defcreate_path_if_not_exists(datapath):

'''Createthenewfileifnotexistsandsavethedata'''

ifnotos.path.exists(datapath):

os.makedirs(datapath)

if__name__=='__main__':

create_path_if_not_exists('model/model1/XGBoost/version_1')

運(yùn)行上面的文件，可以看到嵌套文件‘model/model2/XGBoost/version_2’自動建成了?，F(xiàn)在便可以將模型或者數(shù)據(jù)儲存到新的目錄里了!

importjoblib

importos

defcreate_path_if_not_exists(datapath):

'''Createthenewfileifnotexistsandsavethedata'''

ifnotos.path.exists(datapath):

os.makedirs(datapath)

if__name__=='__main__':

#Createdirectory

model_path='model/model2/XGBoost/version_2'

create_path_if_not_exists(model_path)

#Savefile

joblib.dump(model,model_path)

Bashfor循環(huán)：用不同參數(shù)運(yùn)行一個(gè)文件

如果要運(yùn)行一個(gè)具有不同參數(shù)的文件怎么辦呢?比如，可能要用同一個(gè)腳本去預(yù)測使用不同模型的數(shù)據(jù)。

importjoblib

#df=...

model_path='model/model1/XGBoost/version_1'

model=joblib.load(model_path)

model.predict(df)

如果一個(gè)腳本需要長時(shí)間來運(yùn)行且有著多個(gè)要運(yùn)行的模型，用腳本一個(gè)一個(gè)地運(yùn)行會是非常耗時(shí)。有什么辦法能讓電腦獨(dú)立自動地用一條命令行運(yùn)行第1，2，3...，10個(gè)模型嗎?

有的，可以使用bashfor循環(huán)。首先，使用sys.argv來解析命令行參數(shù)。如果想要在命令行上重寫配置文件可以使用類如hydra的工具。

importsys

importjoblib

#df=...

model_type=sys.argv[1]

model_version=sys.argv[2]

model_path=f'''model/model1/{model_type}/version_{model_version}'''

print('Loadingmodelfrom',model_path,'fortraining')

model=joblib.load(model_path)

mode.predict(df)

>>>pythontrain.pyXGBoost1

Loadingmodelfrommodel/model1/XGBoost/version_1fortraining

腳本已經(jīng)被指令為使用模具第一版的XGBoost來預(yù)測命令行上的數(shù)據(jù)?，F(xiàn)在便能在不同版本的模具中使用bashfor循環(huán)。如果能用Python使用for循環(huán)，也可以在如下的終端上達(dá)成上述的目標(biāo)。

$forversionin234

>do

>pythontrain.pyXGBoost$version

>done

敲擊Enter來分隔各行，輸出：

Loadingmodelfrommodel/model1/XGBoost/version_1fortraining

Loadingmodelfrommodel/model1/XGBoost/version_2fortraining

Loadingmodelfrommodel/model1/XGBoost/version_3fortraining

Loadingmodelfrommodel/model1/XGBoost/version_4fortraining

現(xiàn)在便可以讓腳本使用不同的模具來運(yùn)行啦!

恭喜!現(xiàn)在你已經(jīng)學(xué)會如何一次自動地讀取和創(chuàng)造多個(gè)文件，如何用不同的參數(shù)運(yùn)行一個(gè)文檔，過去丟在瑣碎工作中的時(shí)間可以利用起來做更重要的任務(wù)啦。

以上內(nèi)容為大家介紹了用Python來自動化處理文件，希望對大家有所幫助，如果想要了解更多Python相關(guān)知識，請關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。http://m.2667701.com/