python 如何加载变量

Python加载变量的方式包括通过文件、环境变量、数据库、序列化工具等方式进行加载。其中，文件加载是最常用的方法之一。它通常涉及从文本文件、JSON、YAML或CSV文件中读取数据，并将其分配给变量。通过文件加载变量可以使代码更加模块化和可管理。例如，从JSON文件中读取配置参数，可以使代码更易于维护和更新。下面将详细介绍如何从文件中加载变量。

一、通过文件加载变量

读取文本文件

文本文件是最简单的文件格式之一，用于存储字符串数据。在Python中，可以使用内置的open函数来读取文本文件。以下是一个简单的例子，展示如何从文本文件中加载变量：
```
with open('data.txt', 'r') as file:
    data = file.read()
print(data)
```
在这个例子中，open函数以只读模式（'r'）打开data.txt文件，并使用read方法读取文件内容，将其存储在变量data中。
读取JSON文件

JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，易于人类阅读和编写。在Python中，可以使用json模块来处理JSON文件。以下是一个示例：
```
import json
with open('config.json', 'r') as file:
    config_data = json.load(file)
print(config_data)
```
这里使用json.load方法将JSON文件中的数据解析为Python字典格式，方便后续访问。
读取YAML文件

YAML（YAML Ain't Markup Language）是一种专门用于配置文件的格式，具有良好的可读性。Python可以使用PyYAML库来读取YAML文件：
```
import yaml
with open('config.yaml', 'r') as file:
    config_data = yaml.safe_load(file)
print(config_data)
```
yaml.safe_load方法用于安全地加载YAML文件中的数据。
读取CSV文件

CSV（Comma-Separated Values）是一种常用的电子表格格式。在Python中，可以使用csv模块来处理CSV文件：
```
import csv
with open('data.csv', mode='r') as file:
    csv_reader = csv.reader(file)
    for row in csv_reader:
        print(row)
```
这个例子展示了如何逐行读取CSV文件，并将每一行数据作为列表输出。

二、通过环境变量加载变量

使用os模块

环境变量是操作系统用于存储配置信息的全局变量。在Python中，可以使用os模块来访问环境变量：
```
import os
db_host = os.getenv('DB_HOST')
db_port = os.getenv('DB_PORT', 5432)  # 设置默认值
print(f'Database Host: {db_host}, Port: {db_port}')
```
os.getenv函数用于获取环境变量的值，如果变量不存在，可以指定一个默认值。

dotenv库

python-dotenv库可以方便地从.env文件加载环境变量：

from dotenv import load_dotenv
import os
load_dotenv()
db_user = os.getenv('DB_USER')
db_password = os.getenv('DB_PASSWORD')
print(f'Database User: {db_user}, Password: {db_password}')

通过调用load_dotenv函数，.env文件中的变量会被加载到环境中。

三、通过数据库加载变量

使用SQLite数据库

Python内置了对SQLite数据库的支持，可以使用sqlite3模块来读取数据：

import sqlite3
connection = sqlite3.connect('example.db')
cursor = connection.cursor()
cursor.execute('SELECT name, age FROM users')
rows = cursor.fetchall()
for row in rows:
    print(f'Name: {row[0]}, Age: {row[1]}')
connection.close()

该示例展示了如何从SQLite数据库中查询数据，并将其加载到Python变量中。

使用SQLAlchemy

SQLAlchemy是一个强大的ORM（对象关系映射）库，可以用于与多种数据库交互：

from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
engine = create_engine('sqlite:///example.db')
Session = sessionmaker(bind=engine)
session = Session()
users = session.execute('SELECT name, age FROM users').fetchall()
for user in users:
    print(f'Name: {user.name}, Age: {user.age}')

通过SQLAlchemy，能够以面向对象的方式与数据库交互。

四、通过序列化工具加载变量

使用Pickle模块

pickle模块用于将Python对象序列化和反序列化。以下是一个示例：
```
import pickle
with open('data.pkl', 'rb') as file:
    data = pickle.load(file)
print(data)
```
此示例展示了如何从.pkl文件中加载Python对象。
使用Joblib库

joblib库是pickle的一个扩展，通常用于保存和加载大规模的numpy数组和模型：
```
import joblib
model = joblib.load('model.joblib')
print(model)
```
使用joblib可以更快速地加载大型数据结构。

五、通过API加载变量

使用Requests库

requests库是Python中最受欢迎的HTTP请求库之一，可以用于从API加载数据：
```
import requests
response = requests.get('https://api.example.com/data')
data = response.json()
print(data)
```
通过发送HTTP请求，可以轻松地从远程服务器获取数据。

使用GraphQL

GraphQL是一种用于API的查询语言，可以使用gql库与GraphQL API交互：

from gql import gql, Client
from gql.transport.requests import RequestsHTTPTransport
transport = RequestsHTTPTransport(url='https://api.example.com/graphql')
client = Client(transport=transport, fetch_schema_from_transport=True)
query = gql('''
{
  user(id: "1") {
    name
    age
  }
}
''')
result = client.execute(query)
print(result)