01_106Files.md

Contenidos | Próximo (2 Funciones)

2.1 Manejo de archivos

La mayoría de los programas usa alguna fuente de datos. En esta sección discutimos el acceso a archivos.

Archivos de entrada y salida

Con estos comandos podés abrir dos archivios, una para lectura y otro para escritura:

f = open('foo.txt', 'rt')     # Abrir para lectura ('r'' de read, 't' de text)
g = open('bar.txt', 'wt')     # Abrir para escritura ('w' de write, 't' de text)

Para leer el archivo completo, o una parte:

data = f.read()

# Leer 'maxbytes' bytes
data = f.read([maxbytes])

Para escribir un texto en el archivo:

g.write('un texto')

Finalmente, hay que cerrar los archivos cuando terminamos de usarlos.

f.close()
g.close()

Es importante cerrar adecuadamente los archivos y es bastante fácil olvidarse. Por eso, preferimos abrir los archivos con el comando with de la siguiente forma.

with open(nombrearchivo, 'rt') as file:
    # Usá el archivo `file`
    ...
    # No hace falta cerrarlo explícitamente
...comandos

Esto cierra automáticamente el archivo cuando se termina de ejecutar el bloque indentado.

Comandos usuales para leer un archivo

Para leer un archivo entero, todo de una, como cadena:

with open('foo.txt', 'rt') as file:
    data = file.read()
    # `data` es una cadena con *todo* el texto en `foo.txt`

Para leer línea por línea iterativamente:

with open(nombrearchivo, 'rt') as file:
    for line in file:
        # Procesar la linea

Comandos usuales para escribir un archivo

Para escribir cadenas:

with open('outfile', 'wt') as out:
    out.write('Hello World\n')
    ...

También podés simplemente redireccionar la salida del print (de la pantalla a un archivo).

with open('outfile', 'wt') as out:
    print('Hello World', file=out)
    ...

Ejercicios

Estos ejercicios usan el archivo Data/camion.csv. El archivo contiene una lista de líneas con información sobre los cajones de fruta cargados en un camion. Suponemos que estás trabajando en el directorio Work/ del curso. Si no estás segure, podés pedirle al Python que te diga dónde está trabajando con este comando:

>>> import os
>>> os.getcwd()
'/Users/profe/Desktop/curso-python/Work' # La salida va a cambiar
>>>

Ejercicio 2.1: Preliminares sobre lectura de archivos

Primero, tratá de leer el archivo entero de una en una larga cadena:

>>> with open('Data/camion.csv', 'rt') as f:
        data = f.read()

>>> data
'nombre,cajones,precio\n"Lima",100,32.20\n"Naranja",50,91.10\n"Caqui",150,83.44\n"Mandarina",200,51.23\n"Durazno",95,40.37\n"Mandarina",50,65.10\n"Naranja",100,70.44\n'
>>> print(data)
nombre,cajones,precio
"Lima",100,32.20
"Naranja",50,91.10
"Caqui",150,83.44
"Mandarina",200,51.23
"Durazno",95,40.37
"Mandarina",50,65.10
"Naranja",100,70.44
>>>

En el ejemplo de arriba podrás observar que Python tiene dos modos de salida. En el primero escribiste data en el intérprete y Python mostró la representaciópn cruda de la cadena, incluyendo comillas y códigos de escape. Cuando escribiste print(data), en cambio, obtuviste la salida formateada de la cadena.

A pesar de que leer un archivo entero de una parece simple, suele no ser la mejor opción. Especialmente si estás trabajando con archivos muy enormes o si querés procesar las líneas de tu archivo una a una.

Para leer una archivo línea por línea, usá un ciclo for como éste:

>>> with open('Data/camion.csv', 'rt') as f:
        for line in f:
            print(line, end='')

nombre,cajones,precio
"Lima",100,32.20
"Naranja",50,91.10
...
>>>

En ese código, las líneas son leídas una por una hasta el final del archivo, cuando el ciclo se termina.

En ciertas ocasiones, puede pasar que quieras leer una sola línea de texto (por ejemplo, querés saltearte la primera línea del archivo que contiene los nombres de las columnas).

>>> f = open('Data/camion.csv', 'rt')
>>> headers = next(f)
>>> headers
'nombre,cajones,precio\n'
>>> for line in f:
    print(line, end='')

"Lima",100,32.20
"Naranja",50,91.10
...
>>> f.close()
>>>

El comando next() devuelve la siguiente línea de texto en el archivo. Sin embargo, sólo para que sepas, los cilcos for usan el método next() para obtener sus datos. Por lo tanto, típicamente no forzás un llamado extra a next() salvo que explícitamente quieras saltear o leer una línea particular como en nuestro caso de acá abajo.

Una vez que estés leyendo un archivo línea a línea, podés hacer otras operaciones, como seprar los datos dentro de una línea con el método split(). Por ejemplo, probá esto:

>>> f = open('Data/camion.csv', 'rt')
>>> headers = next(f).split(',')
>>> headers
['nombre', 'cajones', 'precio\n']
>>> for line in f:
    row = line.split(',')
    print(row)

['"Lima"', '100', '32.20\n']
['"Naranja"', '50', '91.10\n']
...
>>> f.close()

Observación: En estos ejemplos tuvimos que llamar a f.close() explícitamente porque no estamos trabajando con el comando with.

Ejercicio 2.2: Lectura de un archivo de datos

Ahora que sabés leer un archivo, escribamos un programa que haga un cáluclo simple con los datos leídos.

Las columnas en camion.csv corresponden a un nombre de fruta, una cantidad de cajones cargados en el camión, y un precio de compra por cada cajón de ese grupo. Escribí un programa llamado costo_camion.py que abra el achivo, lea las líneas, y calcule el precio pagado por los cajones cargados en el camión.

Ayuda: para converit un string s en un entero, usá int(s). Para convertirlo en punto flotante, usá float(s).

Tu programa debería imprimir una salida como la siguiente:

Costo total 44671.15

Acordate de guardar tu archivo. Vamos a volver a trabajr sobre él.

Ejercicio 2.3: Archivos comprimidos

¿Que pasaría si quisiéramos leer un archivo comrimido con gzip, por ejemplo? La función primitiva de Python open() no hace esa tarea. Pero hay un módulo de la biblioteca de Python llamado gzip que lee archivos comprimidos.

Probalo:

>>> import gzip
>>> with gzip.open('Data/camion.csv.gz', 'rt') as f:
    for line in f:
        print(line, end='')

... mirá la salida ...
>>>

Observación: La inclusión del modo 'rt' es crítica acá. Si te lo olvidás, vas a estar leyendo cadenas de bytes en lugar de cadenas de caracteres.

Comentario: ¿No deberíamos estar usando Pandas para esto?

Es frecuente que los estudiantes que conocen un poco más de Python rápidamente señale que hay módulos como Pandas que tienen, entre muchas otras funcionalidades, la posiblidad de leer archivos CSV en una sola instrucción. Es verdad, y funcionan muy bien. Sin embargo, este no es un curso sobre Pandas. Si bien más adelante veremos algo de esta biblioteca, lo que nos interesa en este momento es aprender a manejar archivos directamente. Estamos trabajando con archivos CSV porque es un formato sencillo que es muy útil conocer, pero es principalmente una excusa para mostrar cómo Python maneja archivos de texto. En resumen, cuando tengas que trabajar con datos, definitivamente usá Pandas. Pero para aprender a manejar archivos vamos a seguir usando las funciones básicas de Python.

Contenidos | Próximo (2 Funciones)