Entrées et sorties

Ouverture d’un fichier

Si on veut ouvrir un fichier de text, ou csv ou dat, on peut le faire avec la fonction open().

Par exemple:

file = open('myfile.txt', mode='r', encoding='utf-8')

On peut voir qu’il y a des parametres tels que mode et encoding. Avec le mode on peut décrire le type d’acces au fichier, par exemple read, write ou execute. Chacune va nous permettre de faire différentes choses tels que lire ou mettre à jour le fichier. Ainsi, lorsqu’il peut avoir des charactères spèciaux on doit utiliser utf-8.

Pour éviter des erreurs de contexte il faut utiliser with open() as file:.

Pour écrire un fichier on doit utiliser file.write(). Mais il faut avoir le mode='w'.

La façon d’écriture de fichier peut se faire avec des cycles for ou while, où il faut à chaque iteration ecrire dans le fichier.

for i in range(5):
    file.write(str(i) + '\n' )

Clavier

On peut aussi avoir accés au clavier qui va demander à l’utilisateur d’entrer une valeur.

name = input('Écrirez votre prenom:\n')

Le type de valeur normalement est un string, mais on peut le changer avec les fonctions python.

Pour imprimer des valeurs

On peut écrire de façon similar au languages C ou Matlab, pour imprimer des valeurs.

n = 5
x = 3.141516

print('x = {:f}, n = {}'.format(x,n))

Où :f c’est la quantité de valeurs float je vais montrer. Si j’ai {}, je vais montrer le valeur complét.

np.loadtxt(..)

Avec Numpy, il est possible d’avoir accés aux fichiers, si par exemple on veut ouvrir le fichier myfile.dat.

data = np.loadtxt('myfile.dat')

Si par exemple dans le fichier il y a plusieurs colonnes, on peut y accéder avec le paramétre unpack=True.

col1, col2 = np.loadtxt('myfile.dat', unpack=True)

Ainsi que pour écrire un fichier:

np.savetxt('myfile-v2.dat', np.c_[col1, col2], fmt='%10.2e' )

On peut rémarquer qu’ici on a comme premier parametre le nom de fichier, le deuxième les données sépares par colonnes et puis finalement le format.

Avec numpy il arrive très souvent que les données à importer soient de types différents, alors il faut mieux le faire avec Pandas.