本文介绍了在 YAML 文件中使用变量存储文件路径，并在 Python 中读取这些变量的方法。通过字符串格式化，我们可以避免在 YAML 文件中重复定义根目录，从而提高配置文件的可维护性和可读性。同时，我们也需要注意 YAML 语法中特殊字符的处理方式。
在数据分析和机器学习项目中，我们经常需要处理大量的实验结果，这些结果通常存储在不同的目录中。为了方便管理和维护，我们希望在配置文件中使用变量来存储文件路径，避免重复定义根目录。YAML 是一种常用的配置文件格式，它具有易读性和可扩展性。本文将介绍如何在 YAML 文件中使用变量存储文件路径，并在 Python 中读取这些变量。
YAML 文件结构
假设我们有一个名为 DEMO.yaml 的 YAML 文件，其中定义了一个根目录变量 root，以及两个实验结果的文件路径 test1 和 test2。
root: '/Users/SAL/Documents/Projects/FORD_CELLS/'
test1: '{root}test1/result.csv'
test2: '{root}test2/result.csv'在这个 YAML 文件中，root 变量存储了根目录的路径。test1 和 test2 变量使用字符串格式化的方式，将 root 变量的值插入到文件路径中。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
Python 代码
我们可以使用 Python 的 yaml 库来读取 YAML 文件，并使用字符串格式化来获取完整的文件路径。
import yaml
import pandas as pd
with open('DEMO.yaml', 'r') as f:
exp_info = yaml.safe_load(f)
root = exp_info['root']
test1_path = exp_info['test1'].format(root=root)
test2_path = exp_info['test2'].format(root=root)
print(f"Test 1 path: {test1_path}")
print(f"Test 2 path: {test2_path}")
# 可以使用 pandas 读取 csv 文件
# df_test1 = pd.read_csv(test1_path)
# df_test2 = pd.read_csv(test2_path)在这个 Python 代码中，我们首先使用 yaml.safe_load() 函数读取 YAML 文件，并将结果存储在 exp_info 字典中。然后，我们从 exp_info 字典中获取 root 变量的值，并使用 format() 方法将 root 变量的值插入到 test1 和 test2 变量中。最后，我们打印出 test1 和 test2 变量的完整文件路径。
注意事项
- YAML 语法对特殊字符有严格的要求，如果需要在 YAML 文件中使用特殊字符，需要使用引号将其括起来。
- 在使用 yaml.safe_load() 函数读取 YAML 文件时，需要注意安全性，避免读取恶意 YAML 文件。
- 可以使用 pandas 库读取 CSV 文件，并将数据存储在 DataFrame 对象中。
总结
本文介绍了在 YAML 文件中使用变量存储文件路径，并在 Python 中读取这些变量的方法。通过字符串格式化，我们可以避免在 YAML 文件中重复定义根目录，从而提高配置文件的可维护性和可读性。同时，我们也需要注意 YAML 语法中特殊字符的处理方式。这种方法可以应用于各种需要使用配置文件的项目，例如数据分析、机器学习、Web 开发等。
