Tablib是一個Python的第三方數(shù)據(jù)導(dǎo)出模塊，它支持以下文件格式的導(dǎo)出：

• Excel
• JSON
• YAML
• Pandas DataFrames
• HTML
• Jira
• TSV
• ODS
• CSV
• DBF

其實(shí)這個工具能做到的東西，Pandas都能做到，但是有時候Pandas實(shí)在是過重了，如果我們只想實(shí)現(xiàn)輕量數(shù)據(jù)的導(dǎo)出，而非上千萬級別的數(shù)據(jù)導(dǎo)出，該工具更能體現(xiàn)它的優(yōu)勢。

1.準(zhǔn)備

開始之前，你要確保Python和pip已經(jīng)成功安裝在電腦上噢，如果沒有，請?jiān)L問這篇文章：超詳細(xì)Python安裝指南 進(jìn)行安裝。

Windows環(huán)境下打開Cmd(開始—運(yùn)行—CMD)，蘋果系統(tǒng)環(huán)境下請打開Terminal(command+空格輸入Terminal)，準(zhǔn)備開始輸入命令安裝依賴。

當(dāng)然，我更推薦大家用VSCode編輯器，把本文代碼Copy下來，在編輯器下方的終端裝依賴模塊，多舒服的一件事?。?a href="http://www.www27dydycom.cn/outside?redirect=http://mp.weixin.qq.com/s?__biz=MzI3MzM0ODU4Mg==&mid=2247485849&idx=1&sn=ec098cf67a55bd1d61d4513397434c94&chksm=eb25eb10dc52620682db716d206c18b00bd53c01743729a9dea381e1791566a04a06f1fabca5&scene=21#wechat_redirect" target="_blank">Python 編程的最好搭檔—VSCode 詳細(xì)指南。

在終端輸入以下命令安裝我們所需要的依賴模塊:

pip install tablib

看到 Successfully installed xxx 則說明安裝成功。

2.基本使用

這一塊，官方文檔已經(jīng)有詳細(xì)介紹，這里轉(zhuǎn)載自xin053的翻譯與介紹，有部分修改：
https://xin053.github.io/2016/07/10/tablib%E5%BA%93%E4%BD%BF%E7%94%A8%E8%AF%A6%E8%A7%A3/

創(chuàng)建Dataset對象

這樣相當(dāng)于構(gòu)造了一張表：

其中最重要的就是Dataset對象，當(dāng)然該對象的創(chuàng)建也可以不輸入?yún)?shù)，直接

data = tablib.Dataset()

創(chuàng)建出一個Dataset對象，然后通過

data.headers = ['first_name', 'last_name']

設(shè)置表頭，當(dāng)然也可以使用 data.headers = ('first_name', 'last_name'), 因?yàn)椴还苁怯昧斜磉€是元組，tablib都會自動幫我們處理好，我們可以通過

data.append(['Henry', 'Ford'])
# 或data.append(('Henry', 'Ford'))

來向表中添加一條記錄。

我們可以通過data.dict來查看目前表中的所有數(shù)據(jù)：

也可以通過print(data)顯示更人性化的輸出：

Dataset屬性

data.height輸出當(dāng)前記錄(行)總數(shù)

data.width輸出當(dāng)前屬性(列)總數(shù)

常用方法

詳情可見官方文檔：
https://tablib.readthedocs.io/en/stable/api/#tablib.Dataset.remove_duplicates

lpop(), lpush(row, tags=[]), lpush_col(col, header=None)是對列的相關(guān)操作

pop(), rpop(), rpush(row, tags=[]), rpush_col(col, header=None)是對行的相關(guān)操作

remove_duplicates()去除重復(fù)的記錄

sort(col, reverse=False)根據(jù)列進(jìn)行排序

subset(rows=None, cols=None)返回子Dataset

wipe()清空Dataset，包括表頭和內(nèi)容

新增列

data.append_col((90, 67, 83), header='age')

這樣表就變成了：

對記錄操作

> >> print(data[:2])
[('John', 'Adams', 90), ('George', 'Washington', 67)]
> >> print(data[2:])
[('Henry', 'Ford', 83)]

對屬性操作

刪除記錄

可見記錄也是從0開始索引的

刪除記錄操作也支持切片, 即 del data[1:999] 也是可行的

刪除屬性

del data['Col Name']

導(dǎo)入數(shù)據(jù)

imported_data = tablib.Dataset().load(open('data.csv').read())

導(dǎo)出數(shù)據(jù)

csv:

這樣便可成功將數(shù)據(jù)導(dǎo)出為csv文件。

json:

yaml:

excel:

>> > with open('people.xls', 'wb') as f:
...     f.write(data.xls)

注意要以二進(jìn)制形式打開文件

dbf:

>> > with open('people.dbf', 'wb') as f:
...     f.write(data.dbf)

高級使用

動態(tài)列

可以將一個函數(shù)指定給Dataset對象

函數(shù)的參數(shù)row傳入的是每一行記錄，所以可以根據(jù)傳入的記錄進(jìn)行更一步的計(jì)算：

tag

可以給記錄添加tag，之后通過tag來過濾記錄：

3.舉個小例子

現(xiàn)在有一個場景，我們需要將一份股票數(shù)據(jù)csv文件轉(zhuǎn)化為json數(shù)據(jù)：

你只需要這樣操作：

即可將其轉(zhuǎn)化為json格式，顯然，它的特點(diǎn)在于輕量、簡單。如果用Pandas來做這樣的轉(zhuǎn)化，則有些大材小用。