碧海苍梧

V1

2023/01/07阅读:478主题:默认主题

一文搞懂Python的文件路径操作

如果你要在代码里读取一个文件,那么你首先要知道这个文件的路径。如果只有一个文件,那么很简单,直接复制这个文件所在的文件夹路径及其文件名即可。而在很多情况下,我们会处理大量的文件,这些文件一般都会按一定的规则存放在一个或几个文件夹里。本文便是简单讲一下怎么应对这种情况,将以Python为例,但其中的理念是通用的。

1 什么是文件路径

文件路径简单地说就是文件的存放位置,它包含具体的盘符号,也就是位于电脑上哪个磁盘分区、哪个文件夹(目录)和最终这个文件的名称+文件类型扩展名。

文件的路径表示用户在磁盘上寻找文件时,所历经的文件夹线路;路径分为绝对路径相对路径绝对路径是从根文件夹开始的路径;相对路径是从当前文件夹开始的路径。

1.1 绝对路径

不同操作系统下绝对路径的表现形式是不一样的,以Windows系统为例,一个文件的路径可能是这样的:

D:\files\data\ndvi.tif

其中:

  • D:\:表示根文件夹,是文件所在的盘符,即D盘。
  • D:\files\data:表示文件所在的文件夹的路径,即D盘的files文件夹的子文件夹data
  • ndvi.tif:表示文件名,其中ndvi是基本名,用来标识这个文件;tif是扩展名,用来反映文件的类型,二者用.分开。

Linux和MacOS下的绝对路径和Windows系统不同,主要区别如下:

  • 根文件夹不同,Windows的根文件夹是盘符,如D:\C:\;而在Linux和MacOS中,根文件夹是/,你可以理解为所有的文件都在一个盘下,自然不需要用CD这样的字符去区分了。
  • 分隔符不同,在Windows 上,路径书写使用倒斜杠\作为文件夹之间的分隔符。但在MacOS和Linux上,使用正斜杠/作为它们的路径分隔符。
  • 大小写区分不同,文件夹名称和文件名在Windows和MacOS上是不区分大小写的,但在Linux上是区分大小写的。

附加卷的路径:

附加卷,诸如DVD驱动器或USB闪存驱动器,在不同的操作系统上显示也不同。在Windows上,它们表示为新的、带字符的根驱动器。诸如D:\E:\。在MacOS上,它们表示为新的文件夹,在/Volumes文件夹下。在Linux上,它们表示为新的文件夹,在/mnt文件夹下。

1.2 相对路径

相对路径是指以当前工作目录为参照基础,链接到目标文件资源(或文件夹)的路径。

相对路径的表示符号如下:

  • ./开头,代表当前目录和文件目录在同一个目录里,./也可以省略不写;
  • ../开头:向上走一级,代表目标文件在当前文件所在的上一级目录;
  • ../../开头:向上走两级,代表父级的父级目录,也就是上上级目录,再说明白点,就是上一级目录的上一级目录;
  • /开头,代表根目录。

相对路径使用示例:

2 Python对路径的操作

2.1 在Python中怎么表示文件路径

在Python中,一般使用字符串存储文件路径。但需要注意的是,字符反斜杠\在Python中表示转义字符。因此,在表示Windows系统下的文件路径(Windows系统的分隔符是\)时需注意以下要点:

  • 以路径D:\files\data\ndvi.tif为例;
  • 在字符串前加个字符r,表示该字符串为原始字符串,会完全忽略所有的转义字符。例如,r"D:\files\data\ndvi.tif"
  • 对转义字符进行转义,例如,"D:\\files\\data\\ndvi.tif"
  • 将分隔符替换为/,是的,在Windows系统下,将分隔符替换为/Python也能正确识别。例如,"D:/files/data/ndvi.tif"

Linux和MacOS下,直接将路径放到单引号或者双引号里就行。

2.2 创建新文件夹

可以用os.mkdir()函数创建新文件夹(目录),使用os.path.isdir()函数判断一个路径是不是文件夹,如下所示:

import os

path = "D:/files/data"
if os.path.isdir(path):
 os.mkdir(path)

需要注意的是,os.mkdir()函数只能创建单级目录。如上面的代码所示,只有"D:/files"目录存在,才能在其下创建data目录。要想创建多级目录,则要使用os.makedirs()函数,例如:

import os

path = "D:/files/data"
if os.path.isdir(path):
 os.makedirs(path)

os.listdir()方法用于返回指定的文件夹包含的文件或文件夹的名字的列表,只支持在 Unix, Windows 下使用,例如:

>>> import os
>>> os.listdir("D:/files/data")
['ndvi.tif''ndvi_2023_01.tif']

2.3 拼接和拆分文件夹

os.path.join()函数用于路径拼接文件路径,可以传入多个路径,它会根据操作系统的不同自动确定分隔符。

>>> import os
>>> os.path.join(r'D:\files\data''ndvi_2023_01.tif')
'D:\\files\\data\\ndvi_2023_01.tif'
>>> os.path.join('D:/files/data''ndvi_2023_01.tif')
'D:/files/data\\ndvi_2023_01.tif'
>>> os.path.join('./data''ndvi_2023_01.tif')
'./data\\ndvi_2023_01.tif'
>>> os.path.join('files''data''ndvi_2023_01.tif')
'files\\data\\ndvi_2023_01.tif'

os.path.split()函数可以把一个路径拆分为两部分,后一部分总是最后级别的目录或文件名。os.path.splitext()函数同样可以把一个路径拆分为两部分,后一部分总是最后的文件扩展名。

>>> os.path.split("D:/files/data/ndvi.tif")
('D:/files/data''ndvi.tif')
>>> os.path.split("D:/files/data")
('D:/files''data')

>>> os.path.splitext("D:/files/data/ndvi.tif")
('D:/files/data/ndvi''.tif')
>>> os.path.splitext("D:/files/data")
('D:/files/data''')

此外,os.path.basename()函数用于获取路径最后的文件名或文件夹名,os.path.dirname()函数用于去掉最后的文件名或文件夹名,返回余下的文件夹路径。

>>> os.path.basename("D:/files/data/ndvi.tif")
'ndvi.tif'
>>> os.path.basename("D:/files/data")
'data'
>>> os.path.dirname("D:/files/data/ndvi.tif")
'D:/files/data'
>>> os.path.dirname("D:/files/data")
'D:/files'

2.4 处理绝对路径和相对路径

os.path模块提供了一些函数,返回一个相对路径的绝对路径,以及检查给定的路径是否为绝对路径。

  • os.getcwd():获取当前工作目录;
  • os.path.abspath(path):返回参数的绝对路径的字符串,以当前工作目录为基准。这是将相对路径转换为绝对路径的简便方法;
  • os.path.isabs(path):如果参数是一个绝对路径,就返回True,如果参数是一个相对路径,就返回 False;
  • os.path.relpath(path, start):将返回从start路径到path的相对路径的字符串。如果没有提供start,就使用当前工作目录作为开始路径。

代码示例:

>>> os.getcwd()
'C:\\Python34'
>>> os.path.abspath('.')
'C:\\Python34'
>>> os.path.abspath('.\\Scripts')
'C:\\Python34\\Scripts'
>>> os.path.isabs('.')
False
>>> os.path.isabs(os.path.abspath('.'))
True
>>> os.path.relpath('C:\\Windows''C:\\')
'Windows'
>>> os.path.relpath('C:\\Windows''C:\\spam\\eggs')
'..\\..\\Windows'

2.4 使用glob查找文件夹或文件

glob模块用来查找文件目录和文件,并将搜索的到的结果返回到一个列表中。

在使用glob模块之前,需要先了解一下它的三个通配符,即*?[],其具体含义如下:

  • *:代表0个或多个字符;
  • ?:代表一个字符;
  • []:匹配指定范围内的字符,如[0-9]匹配数字;[a-c]匹配字母abc,不区分大小写;[12a]匹配字母12a

下面通过一个例子详细讲一下这三个通配符怎么使用,假如你有如下所示的目录结构:

+-- D:/
|   +-- data1
|   |   +-- readme.md
|   |   +-- ndvi.tif
|   |   +-- buliding.tif
|   +-- data2
|   |   +-- ndvi.tif
|   |   +-- water.tif
|   +-- picture
|   |   +-- mm.tif
|

假如你要查找data1下的所有以.tif结尾的文件,你可以这样写:

>>> from glob import glob
>>> glob('D:/data1/*.tif')
['D:/data1/ndvi.tif''D:/data1/buliding.tif']

假如你要查找data开头的目录下的所有名为ndvi.tif的文件,你可以这样写:

>>> glob('D:/data*/ndvi.tif')
['D:/data1/ndvi.tif''D:/data2/ndvi.tif']
>>> glob('D:/data?/ndvi.tif')
['D:/data1/ndvi.tif''D:/data2/ndvi.tif']
>>> glob('D:/data[1-2]/ndvi.tif')
['D:/data1/ndvi.tif''D:/data2/ndvi.tif']

3 多个文件的路径操作示例

在数据处理中,很多时候我们都会有这样的要求,处理多个文件,并且要按照一定的顺序。最常见的就是按照时间顺序排列各个文件的路径,比如按年、月、日等,下面详细介绍几个例子。

3.1 年尺度数据

假如你有如下目录结构:

+-- D:/
|   +-- data
|   |   +-- 2000.tif
|   |   +-- 2001.tif
... ... ... ... ... 
|   |   +-- 2019.tif
|   |   +-- 2020.tif
|

如果你要读取data目录下2000-2020年所有文件的路径(按时间顺序排列),你可以这样写:

import os
from glob import glob

# glob会自动排序这些文件路径,排序的规则为文件名
paths = glob('D:/data/*.tif*')

# 或者这样写,可以指定开始和结束年份
paths = []
root_dir = 'D:/data'
start_year, end_year = 20002020
for year in range(start_year, end_year):
 path = os.path.join(root_dir, f'{year}.tif')
 paths.append(path)

3.2 月尺度数据

假如你有如下目录结构:

+-- D:/
|   +-- data
|   |   +-- 200001.tif
|   |   +-- 200002.tif
... ... ... ... ... 
|   |   +-- 200012.tif
|   |   +-- 200101.tif
... ... ... ... ... 
|   |   +-- 202012.tif
|

假如你要读取data目录下某一年或某几年所有月的tif数据,你可以这样写:

import os
from glob import glob

# 读取2015年所有月的数据
year = 2015
paths = glob(f'D:/data/{year}*.tif*')

# 读取2015-2020年所有月的数据
paths = []
root_dir = 'D:/data'
start_year, end_year = 20152020
for year in range(start_year, end_year):
 path += os.path.join(root_dir, f'{year}*.tif')

假如你要读取data目录特定年在某个季节的tif数据,你可以这样写:

import os
from glob import glob

# 假设一年的冬季为当年的1月、2月以及上一年的12月
season_months = {'spring': ['03''04''05'], 'summer': ['06''07''08'], 
     'autumn': ['09''10''11'], 'winter': ['01''02']}

paths = []
root_dir = 'D:/data'

season = 'spring'
years = [201420152016]
for year in years:
 months = season_months[season]
 for month in months:
  path = os.path.join(root_dir, 'f{year}{month}.tif')
  assert path
  paths.append(path)
 if season == 'winter':
  path = os.path.join(root_dir, 'f{year-1}{12}.tif')
  assert path
  paths.append(path)

3.3 日尺度数据

假如你有如下目录结构,如文件名中的1982001表示数据拍摄时间为1982年的第1天。

./ndvi/AVH13C1.A1982001.N07.005.2017161044559.NDVI.tif —— 1982001 —— 1982年第1天
./ndvi/AVH13C1.A1982002.N07.005.2017161050433.NDVI.tif —— 1982002 —— 1982年第2天
./ndvi/AVH13C1.A1982003.N07.005.2017161052408.NDVI.tif —— 1982003 —— 1982年第3天
./ndvi/AVH13C1.A1982004.N07.005.2017161054145.NDVI.tif —— 1982004 —— 1982年第4天
./ndvi/AVH13C1.A1982005.N07.005.2017161055856.NDVI.tif —— 1982005 —— 1982年第5天
./ndvi/AVH13C1.A1982006.N07.005.2017161061328.NDVI.tif —— 1982006 —— 1982年第6天

假如你要读取某一年年某一月中所有天的数据的路径,你可以这样写:

import os
import calendar
from glob import glob
from datetime import datetime

def get_year_month_paths(root_path, year, month):
    '''获取某年某月所有NDVI文件的路径'''
    paths = []
    # 用于glob函数的通配符字符串,可视作文件名模板
    fmt = '*{}{:03}*.tif'
    # 计算该年该月共有多少天
    month_days = calendar.monthrange(year, month)[1]
    # 计算该年该月的第一天是一年中的第几天
    month_start_day = (datetime(year, month, 1) - datetime(year, 11)).days + 1
    for i in range(month_days):
        day_num = month_start_day + i
        month_day_path = glob(os.path.join(root_path, fmt.format(year, day_num)))
        if not month_day_path:
            print('{}年{}月的数据缺失,编号为{}{:03}'.format(year, month, year, day_num))
        paths += month_day_path
    return paths

3.4 文件的时间顺序隐藏在文件内

有些文件你下载时的默认文件名是一堆无意义的字符,而你知道这些文件里存储的有时间信息,所以就没有对这些文件一一命名。当你要用时你就会发现很麻烦,要按时间顺序读取这些文件,靠文件名没法做到,而文件太多,一个个打开看一下时间再重命名又太慢了。这样只能在代码里一个个打开文件,读取其时间,并依据这些时间对文件的路径进行排序。这种情况常见于.nc.hdf格式的数据,其内部会存储时间信息,而有些网站下载文件时文件名有没有时间信息。

假如你有如下目录结构:

./RH/ked.nc
./RH/mmm.nc
./RH/dii.nc
./RH/jkd.nc
./RH/zex.nc
./RH/xyz.nc

每个nc文件下都有一个名为time的变量,类型为数组,用于记录时间。以ERA5数据为例,其小时尺度的数据记录的当前时间距格里尼治时间1900-01-01-00:00的小时数,若要将其转为东八区的字符串格式的时间,可以这么做:

import datetime
import netCDF4 as nc

ds = nc.Dataset('./RH/ked.nc')
time = ds['time'][...].data

origin_date = datetime.datetime(19001100)
start_date = origin_date+datetime.timedelta(hours=int(times[0])+8)

start_date = start_date.strftime('%Y-%m-%d-%H')

而如果我们不需要对这些nc文件重命名,只是要在代码里对这些文件的路径进行排序,只需要这么做:

from glob import glob

nc_paths = glob(os.path.join('./RH''*.nc'))

times = []
for nc_path in nc_paths:
    # 提取各站点的温度
    ds = nc.Dataset(nc_path)
    time = ds.variables['time']
    times.append(int(time[0].data))

_, nc_paths = (list(t) for t in zip(*sorted(zip(times, nc_paths))))

最后,对文件路径进行操作的可能性有无数种,掌握这些基本知识,学会举一反三,多动手尝试,只有这样在数据处理中才能游刃有余。

学习更多Python & GIS相关知识,请移步公众号GeodataAnalysis

分类:

后端

标签:

Python

作者介绍

碧海苍梧
V1