（1）主程序main.py与模块程序mod1.py在同一目录下。
无极ssl适用于网站、小程序/APP、API接口等需要进行数据传输应用场景，ssl证书未来市场广阔！成为创新互联的ssl证书销售渠道，可以享受市场价格4-6折优惠！如果有意向欢迎电话联系或者加微信：18980820575（备注：SSL证书合作）期待与您的合作！
--src
|--mod1.py
|--main.py
直接在main.py中导入模块mod1.py，即 import mod1 或 from mod1 import *
（2）主程序main.py所在目录是模块程序mod.py所在目录的父目录。
--src
|--mod1.py
|--main.py
---mod2
|--mod2.py
先需要在mod2文件夹中建立空文件__init__.py
然后在main.py中导入模块mod2.py，即 import mod2.mod2 或 from mod2.mod2 import *
（3）主程序main.py导入上层目录中的模块或其他目录（平级）下的模块。
--src
|--mod1.py
---mod2
|--mod2.py
---sub
|--main.py
先需要在mod2文件夹中建立空文件__init__.py，而src文件夹下不需要建立
然后进入主程序main.py所在的路径，执行python main.py
在main.py中导入模块mod2.py，即 import mod2.mod2 或 from mod2.mod2 import *
执行前在main.py中加入：
import sys
sys.path.append("..")
import mod1
import mod2.mod2
你说的是使用python读取dat，txt类型文件或excel文件吧，这里我不清楚dat类型文件是什么类型的文件，数据格式是怎样的，所以主要讲一下如何简单快捷的读取txt文件指定的列数据和excel文件指定的列数据，主要用到numpy，pandas这两个包，这两个主要做科学计算和数据处理，python处理实验数据，经常要用到这两个包，至于dat类型的文件，我提供一种可能的思路，实验环境win7+python3.6+pycharm，主要步骤如下：
1.读取txt文件指定列。这里主要用到numpy这个包，以及其包含的loadtxt函数，读取的前提是txt文件不是完全的杂乱无章，没有一点格式、结构可循，如果真的是这样，建议手动调整一下格式，使其尽量保持一定的格式结果，然后再读取，不然的话，会出现错误，我这里新建了一个txt文件，样本内容如下，每行的数据以3个空格为间隔，一般情况下，实验所产生的txt数据都是有一定结构的：
对应读取的代码如下，这里以读取1，3列数据为例，很简单：
程序运行结果如下，已经成功打印出1，3列数据：
2.读取excel文件指定的列。这里主要用到pandas这个包，以及其包含的read_excel函数，因为excel数据本来就是有一定格式的，所以读起来就简单了许多，这里我新建了一个excel文件，样本数据如下：
对应读取的代码如下，这里以读取1，3列数据为例，很简单：
程序运行结果如下，已经成功打印出1，3列数据：
3.至于dat文件的话，这里提供一种可能思路，如果dat文件可以直接用记事打开的话，并且数据可以正常显示，没有乱码的情况下，有一定的格式可循，可以将其看作一个普通文件，使用python的open函数进行读取，将读取的数据存储在一个list列表中，或者使用特定软件将其转换成txt或excel文件后，再进行读取。如果是特殊类型的文件，这个就不好说了，这里就要自己想办法了。
至于后面如何进行可视化绘图，我就不多说了，像matplotlib等数据可视化包都可以。至此，就完成了这3中类型文件的读取，总的来说，实现起来不难，都有现成的包可直接利用，方便了许多，当然你也可以用其他包或者自己来实现，这个就因人而异了，只要能正常的读取实验数据就行，网上也有这方面的资料，你可以参考一下，希望以上分享的内容能对你有所帮助吧。
Excel是一个二进制文件，它保存有关工作簿中所有工作表的信息
CSV代表Comma Separated Values 。这是一个纯文本格式，用逗号分隔一系列值
Excel不仅可以存储数据，还可以对数据进行操作
CSV文件只是一个文本文件，它存储数据，但不包含格式，公式，宏等。它也被称为平面文件
Excel是一个电子表格，将文件保存为自己的专有格式，即xls或xlsx
CSV是将表格信息保存为扩展名为.csv的分隔文本文件的格式
保存在excel中的文件不能被文本编辑器打开或编辑
CSV文件可以通过文本编辑器（如记事本）打开或编辑
excel中会有若干个表单，每个表单都会这些属性：
行数（nrows） 列数（ncols） 名称（name） 索引（number）
import xlrd //执行操作前需要导入xlrd库
#读取文件
excel = xlrd.open_workexcel("文件地址") //这里表格名称为excel，文件的地址可以从文件的属性中看到
#读取表格表单数量
sheet_num= excel.nsheets // sheet_num为变量，其值为表格表单数量
#读取表格表单名称
sheet_name = excel.sheet_names() // sheet_name为变量，其值为表格表单名称
#如果想要看到上述两个变量，可以使用print()函数将它们打印出来
#想要读取某个表单的数据，首先获取表单 excel.sheet_by_index(0)
//表单索引从0开始，获取第一个表单对象 excel.sheet_by_name('xxx')
// 获取名为”xxx”的表单对象 excel.sheets()
// 获取所有的表单对象 获取单元格的内容：使用cell_value 方法 这里有两个参数：行号和列号，用来读取指定的单元格内容。
第一行的内容是:sheet.row_values(rowx=0)
第一列的内容是:sheet.col_values(colx=0)
CSV是英文Comma Separate Values（逗号分隔值）的缩写，文档的内容是由 “,” 分隔的一列列的数据构成的。在python数据处理中也经常用到。
import csv //执行操作前需要导入csv库
#csv读取
遍历其中数据 csv_file = csv.reader(open(‘文件地址’,’r’)) for x in csv_file print(x)
在进行数据处理时，如果数据简单，数量不多，excel是大家的首选。但是当数据众多，类型复杂，需要灵活地显示切片、进行索引、以及排序时，python会更加方便。借助python中的numpy和pandas库，它能快速完成各种任务，包括数据的创建、检查、清洗、预处理、提取、筛选、汇总、统计等。接下来几篇文章，将以excel为参照，介绍python中数据的处理。
提到pandas，那就不得不提两类重要的数据结构，Series和DataFrame，这两类数据结构都是建立在numpy的数组array基础上。与array相比，Series是一个一维的数据集，但是每个数据元素都带有一个索引，有点类似于字典。而DataFrame在数组的基础上，增加了行索引和列索引，类似于Series的字典，或者说是一个列表集。
所以在数据处理前，要安装好numpy , pandas。接下来就看看如何完成一套完整的数据操作。
创建数据表的方法分两种，分别是从外部导入数据，以及直接写入数据。
在python中，也可外部导入xlsx格式文件，使用read_excel()函数：
import pandas as pd
from pandas import DataFrame,Series
data=DataFrame(pd.read_excel('c:/python27/test.xlsx'))
print data
输出：
Gene Size Function
0 arx1 411 NaN
1 arx2 550 monooxygenase
2 arx3 405 aminotransferase
……
即：调用pandas中read_excel属性，来读取文件test.xlsx，并转换成DataFrame格式，赋给变量data。在每一行后，自动分了一个索引值。除了excel，还支持以下格式文件的导入和写入：
Python写入的方法有很多，但还是不如excel方便。常用的例如使用相等长度的字典或numpy数组来创建：
data1 = DataFrame(
{'Gene':['arx1','arx2','arx3'],
'Size':[411,550,405],
'Func':[np.NaN,'monooxygenase','aminotransferase ']})
print data1
输出
Func Gene Size
0 NaN arx1 411
1 monooxyg arx2 550
2 amino arx3 405
分配一个行索引后，自动排序并输出。
在python中，可以使用info()函数查看整个数据的详细信息。
print data.info()
输出
RangeIndex: 7 entries, 0 to 6
Data columns (total 3 columns):
Gene 7 non-null object
Size 7 non-null int64
Function 5 non-null object
dtypes: int64(1), object(2)
memory usage: 240.0+ bytes
None
此外，还可以通过shape, column, index, values, dtypes等函数来查看数据维度、行列组成、所有的值、 数据类型：
print data1.shape
print data1.index
print data1.columns
print data1.dtypes
输出
(3, 3)
RangeIndex(start=0, stop=3, step=1)
Index([u'Func', u'Gene', u'Size'], dtype='object')
Func object
Gene object
Size int64
dtype: object
在excel中可以按“F5”，在“定位条件”中选择“空值”，选中后，输入替换信息，再按“Ctrl+Enter”即可完成替换。
在python中，使用函数 isnull 和 notnull 来检测数据丢失, 包含空值返回True，不包含则返回False。
pd.isnull(data1)
pd.notnull(data1)
也可以使用函数的实例方法，以及加入参数，对某一列进行检查：
print data1['Func'].isnull()
输出
Func Gene Size
0 True False False
1 False False False
2 False False False
再使用fillna对空值进行填充：
data.fillna(value=0)
#用0来填充空值
data['Size'].fillna(data1['Size'].mean())
#用data1中Size列的平均值来填充空值
data['Func']=data['Func'].map(str.strip)
#清理Func列中存在的空格
Excel中可以按“Ctrl+F”，可调出替换对话框，替换相应数据。
Python中，使用replace函数替换：
data['Func'].replace('monooxygenase', 'oxidase')
将Func列中的'monooxygenase'替换成'oxidase'。
Excel中，通过“数据-筛选-高级”可以选择性地看某一列的唯一值。
Python中，使用unique函数查看：
print data['Func'].unique()
输出
[nan u'monooxygenase' u'aminotransferase' u'methyltransferase']
Excel中，通过UPPER、LOWER、PROPER等函数来变成大写、小写、首字母大写。
Python中也有同名函数：
data1['Gene'].str.lower()
Excel中可以通过“数据-删除重复项”来去除重复值。
Python中，可以通过drop_duplicates函数删除重复值：
print data['Func'].drop_duplicates()
输出
0 NaN
1 monooxygenase
2 aminotransferase
3 methyltransferase
Name: Func, dtype: object
还可以设置“ keep=’last’ ”参数，后出现的被保留，先出现的被删除：
print data['Func'].drop_duplicates(keep='last')
输出
2 aminotransferase
3 methyltransferase
6 monooxygenase
8 NaN
Name: Func, dtype: object
内容参考：
Python For Data Analysis
蓝鲸网站分析博客，作者蓝鲸（王彦平）
python的内建函数即是python自带的函数，这种函数不需要定义，并且不同的内建函数具有不同的功能，可以直接使用。
以下是部分内建函数用法及说明
1、abs()，返回数字的绝对值。
2、all()，如果集合中所有元素是true或集合为空集合，返回True。
3、any()，如果集合中有一项元素是true，返回True；空集合为False
4、ascii()， 返回一个表示对象的字符串。
5、bin()，将整数转换为前缀为“0b”的二进制字符串。
6、bool()，返回一个布尔值，即True或者之一False。
7、bytearray(),返回一个新的字节数组。
8、callable（对象）判断对象参数是否可被调用（可被调用指的是对象能否使用()括号的方法调用）
9、chr()，返回表示Unicode代码点为整数i的字符的字符串。与ord()函数相反。
推荐学习《python教程》
10、classmethod，将方法转换为类方法。
11、compile，将源代码编译为代码或AST对象。代码对象可以由exec()或执行eval()。 source可以是普通字符串，字节字符串或AST对象。
12、dic（），创建一个字典
13、divmod（a，b），将两个数作为参数，并在使用整数除法时返回由商和余数组成的一对数
14、enumerate（iterable，start = 0）
enumerate是枚举、列举的意思
对于一个可迭代的（iterable）/可遍历的对象（如列表、字符串），enumerate将其组成一个索引序列，利用它可以同时获得索引和值
enumerate多用于在for循环中得到计数
15、eval，将一个字符串变为字典
16、exec（object [， globals[， locals]]）exec语句用来执行储存在字符串或文件中的Python语句
17、filter（功能，可迭代）
filter函数用于过滤序列
filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。
通过标准的Python库导入CSV文件：
Python提供了一个标准的类库CSV文件。这个类库中的reader()函数用来导入CSV文件。当CSV文件被读入后，可以利用这些数据生成一个NumPy数组，用来训练算法模型：
