Tablib

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 tablibimportDatasetIn[7]:data=Dataset()In[8]:row=('shark',18)In[9]:data.append(row)In[10]:data.dictOut[10]:[['shark',18]]In[11]:row=('xiguatian',18)In[12]:data.append(row)In[13]:data.dictOut[13]:[['shark',18],['x',18]]

这个相当于创建了一个这样的表

2. 可以给这个表添加表头

In[14]:headers=('name','age')In[15]:data.headers=headersIn[16]:data.dictOut[16]:[OrderedDict([('name','shark'),('age',18)]),OrderedDict([('name','x'),('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

nameage

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.dictOut[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

nameagehobbydesc

Cute girl

18RMB

其实也可打印出更好看的格式

In[22]:print(data)name|age|hobby|desc---------|---|---------|----|18|Cutegirl|俗人|18|RMB|好色

四、输出数据的格式

1. 输出Json

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

2. 输出 Yaml

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

3. 输出 CSV

importio# window 版本中注意字符串使用  gbk 或者 gb2312importiowithio.open('my.csv','w',newline='',encoding='gb2312')asf: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

importio# 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')asf:f.write(data.xls)

xlsx

importio# 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')asf:f.write(data.xlsx)

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 217,826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 92,968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 164,234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 58,562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 67,611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 51,482评论 1 302
  • 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 40,271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 39,166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 45,608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 37,814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 39,926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 35,644评论 5 346
  • 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 41,249评论 3 329
  • 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 31,866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 32,991评论 1 269
  • 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 48,063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 44,871评论 2 354