22 | Tablib

本文链接 : https://www.jianshu.com/p/4b55f385e602
作者:shark
参考:

一、基本介绍

tablib为requests作者kennethreitz(肯内特·雷特兹)维护,支持python2到python3.简单的说就是一个通用的数据集,操作类似数据库,但又不是一个数据库的代替,因为缺少查操作,但是可以通过tablib将数据集轻松转为xls、csv、yaml等格式。简单的来说就是用来处理tabular dataset,为这些不同格式的数据集提供一个统一的格式。

image.png
image.png

二、安装

pip  install tablib

当有新版本可用时,升级很简单:

$ pip install tablib --upgrade

三、获取数据

1. 添加行数据

In [6]: from tablib import Dataset

In [7]: data = Dataset()

In [8]: row = ('shark', 18)

In [9]: data.append(row)

In [10]: data.dict
Out[10]: [['shark', 18]]

In [11]: row = ('xiguatian', 18)

In [12]: data.append(row)

In [13]: data.dict
Out[13]: [['shark', 18], ['xiguatian', 18]]

这个相当于创建了一个这样的表

shark 18
xiguatian 18

2. 可以给这个表添加表头

In [14]: headers = ('name', 'age')

In [15]: data.headers=headers

In [16]: data.dict
Out[16]:
[OrderedDict([('name', 'shark'), ('age', 18)]),
 OrderedDict([('name', 'xiguatian'), ('age', 18)])]

可以看到内部的数据变成了有序字典。

这个相当于这样的表

name age
shark 18
xiguatian 18

3. 添加列

In [18]: data.append_col(['Cute girl', 'RMB'], header='hobby')

In [19]: data.append_col(['做个俗人', '贪财好色'], header='desc')

In [20]: data.dict
Out[20]:
[OrderedDict([('name', 'shark'),
              ('age', 18),
              ('hobby', 'Cute girl'),
              ('desc', '做个俗人')]),
 OrderedDict([('name', 'xiguatian'),
              ('age', 18),
              ('hobby', 'RMB'),
              ('desc', '贪财好色')])]

表格变成这样

name age hobby desc
shark 18 Cute girl 做个俗人
xiguatian 18 RMB 贪财好色

其实也可打印出更好看的格式

In [22]: print(data)
name     |age|hobby    |desc
---------|---|---------|----
shark    |18 |Cute girl|做个俗人
xiguatian|18 |RMB      |贪财好色

四、输出数据的格式

1. 输出Json

import io

with io.open('my.json', 'w', encoding='utf-8') as f:
    f.write(data.json)

2. 输出 Yaml

import io

with io.open('my.yaml', 'wb', encoding='utf-8') as f:
    f.write(data.yaml)

3. 输出 CSV

import io

# window 版本中注意字符串使用  gbk 或者 gb2312
import io

with io.open('my.csv', 'w', newline='', encoding='gb2312') as f:
    f.write(data.csv)

Dataset.csv 默认情况下行尾使用 \r\n,因此,请确保包含newline ='',否则在Excel中打开文件时,每行之间会出现空白行。

4. 输出 Excel

xls

import io

# Dataset.xls 包含二进制数据,因此请确保以二进制模式写入:
with io.open('my.xls', 'wb') as f:
    f.write(data.xls)

xlsx

import io

# Dataset.xlsx 包含二进制数据,因此请确保以二进制模式写入:
with io.open('my.xlsx', 'wb') as f:
    f.write(data.xlsx)

更多参考官方 API 文档,点我直达

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,204评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,091评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,548评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,657评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,689评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,554评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,302评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,216评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,661评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,851评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,977评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,697评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,306评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,898评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,019评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,138评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,927评论 2 355