京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Python实现文件信息进行合并实例代码
这篇文章主要介绍了Python实现文件信息进行合并实例代码,具有一定借鉴价值,需要的朋友可以参考下
将电话簿TeleAddressBook.txt和电子邮件EmailAddressBook.txt合并为一个完整的AddressBook.txt
def main():
ftele1=open("d:\TeleAddressBook.txt","rb")
ftele2=open("d:\EmailAddressBook.txt","rb")
ftele1.readline()
ftele2.readline()
lines1=ftele1.readlines()
lines2=ftele2.readlines()
#建立空列表用于存储姓名电话Email
list1_name=[]
list1_tele=[]
list2_name=[]
list2_email=[]
#获取TeleAddressBook
for line in lines1:
elements=line.split()
list1_name.append(str(elements[0].decode("gbk")))
list1_tele.append(str(elements[1].decode("gbk")))
#获取EmailAddressBook
for line in lines2:
elements=line.split()
list2_name.append(str(elements[0].decode("gbk")))
list2_email.append(str(elements[1].decode("gbk")))
lines=[]
lines.append("姓名\t电话\t\t邮箱\n")
#按索引方式遍历姓名列表
for i in range(len(list1_name)):
s=''
if list1_name[i] in list2_name:
j=list2_name.index(list1_name[i])
s="\t".join([list1_name[i],list1_tele[i],list2_email[j]])
s+="\n"
else:
s="\t".join([list1_name[i],list1_tele[i],str("-----------")])
s+="\n"
lines.append(s)
for i in range(len(list2_name)):
s=""
if list2_name[i] not in list1_name:
s="\t".join([list2_name[i],str("-----------"),list2_email[i]])
s+="\n"
lines.append(s)
#将新生成的合并数据写入新的文件中
ftele3=open("d:\AddressBook.txt","w")
ftele3.writelines(lines)
#关闭文件
ftele3.close()
ftele1.close()
ftele2.close()
print("The addressBooks are merged!")
main()
演示结果:
总结
以上就是本文关于Python实现文件信息进行合并实例代码的全部内容,希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题,如有不足之处,欢迎留言指出。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30