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;路径分为绝对路径和相对路径;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C
、D
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:\
或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:
- 以
./
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; - 以
../
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; - 以
../../
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; - 以
/
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 ospath = "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 ospath = "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*
、" />>>> 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 osfrom 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 = 2000, 2020for 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 osfrom glob import glob# 读取2015年所有月的数据year = 2015paths = 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 = 2015, 2020for 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 osfrom 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 = [2014, 2015, 2016]for year in years:months = season_months[season]for month in months:path = os.path.join(root_dir, 'f{year}{month}.tif')assert pathpaths.append(path)if season == 'winter':path = os.path.join(root_dir, 'f{year-1}{12}.tif')assert pathpaths.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 osimport calendarfrom glob import globfrom datetime import datetimedef 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, 1, 1)).days + 1for i in range(month_days):day_num = month_start_day + imonth_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_pathreturn 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
或.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 datetimeimport netCDF4 as ncds = nc.Dataset('./RH/ked.nc')time = ds['time'][...].dataorigin_date = datetime.datetime(1900, 1, 1, 0, 0)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 globnc_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
: