Python 檔案讀寫：open()、r、w、a 模式與 CSV 操作

Python 檔案讀寫讓程式能與外部世界交換資料——讀取歷史 K 線、儲存回測結果、匯出交易紀錄，都仰賴 open() 函數與正確的開檔模式。本文完整解析 open() 的四種模式（r、w、a、rb/wb）、with 語法的安全開檔慣例、逐行讀取與整體讀取的差異，以及用 Python 內建 csv 模組讀寫 CSV 格式的量化資料完整實戰。

• 什麼是檔案讀寫？
• 核心語法：open()、模式與 with
• 規則與注意事項
• 進階用法
• 煉金坊小叮嚀

什麼是檔案讀寫？

Python 的檔案讀寫（File I/O）透過內建的 open() 函數操作，指定檔案路徑與開檔模式後，取得一個檔案物件，再透過 read()、write()、readline() 等方法與檔案內容互動。用完之後必須呼叫 close() 關閉檔案，釋放系統資源。

最佳實踐是使用 with 語法（情境管理器）自動管理開關檔案，就像煉金坊的自動封蓋熔爐：取用原料（讀寫資料）完畢後，爐蓋自動密封，不需要手動記得關閉，避免因忘記 close() 而造成資源洩漏或檔案損壞。

核心語法：open()、模式與 with

# === open() 四種常用模式 ===
# 'r'  → 讀取（Read）：檔案必須存在，否則 FileNotFoundError
# 'w'  → 寫入（Write）：覆蓋整個檔案；檔案不存在時自動建立
# 'a'  → 附加（Append）：在檔案末尾追加；檔案不存在時自動建立
# 'x'  → 獨占建立：檔案已存在時拋出 FileExistsError
# 'rb' / 'wb' → 二進位讀寫（用於圖片、PDF 等非文字檔）

# === 不推薦的傳統寫法（容易忘記 close）===
f = open('data.txt', 'r', encoding='utf-8')
content = f.read()
f.close()    # 必須手動關閉，若中途例外就不會執行到這裡！

# === ✅ 推薦：with 語法（自動關閉，安全）===
with open('data.txt', 'r', encoding='utf-8') as f:
    content = f.read()
# with 區塊結束後，f 自動關閉，無論是否發生例外
print(content)

開檔時務必指定 encoding='utf-8'（或 'utf-8-sig' 處理 BOM 標頭），否則在不同作業系統上可能因預設編碼不同而出現亂碼，尤其是包含中文字元的檔案。Windows 預設編碼為 cp950，Mac/Linux 為 utf-8，明確指定才能跨平台相容。

# === 寫入檔案：'w' 模式（覆蓋）===
lines = [
    "日期,開盤,高點,低點,收盤\n",
    "2024-01-02,182.5,185.9,181.0,185.2\n",
    "2024-01-03,185.5,188.2,184.7,187.8\n",
    "2024-01-04,187.2,188.5,182.1,183.5\n",
]

with open('ohlc.txt', 'w', encoding='utf-8') as f:
    f.writelines(lines)           # 一次寫入多行（List）
print("寫入完成")

# write() 寫入單一字串
with open('log.txt', 'w', encoding='utf-8') as f:
    f.write("策略啟動\n")
    f.write("載入資料完成\n")

# === 附加檔案：'a' 模式（不覆蓋，追加到末尾）===
with open('log.txt', 'a', encoding='utf-8') as f:
    f.write("2024-01-02 執行買入：AAPL x 100\n")
    f.write("2024-01-03 執行賣出：AAPL x 100\n")

'w' 模式每次都會清空並覆蓋整個檔案，若只需要在既有內容後面追加（如交易日誌），必須改用 'a' 模式，否則之前的記錄會全部消失。

# === 讀取方式比較 ===

# read()：一次讀取整個檔案成字串（適合小檔案）
with open('ohlc.txt', 'r', encoding='utf-8') as f:
    all_text = f.read()
print(all_text)

# readlines()：一次讀取所有行，回傳 List（每行是一個元素，含 \n）
with open('ohlc.txt', 'r', encoding='utf-8') as f:
    all_lines = f.readlines()
print(all_lines[0])    # '日期,開盤,高點,低點,收盤\n'

# ✅ 逐行迭代（最省記憶體，適合大檔案）
with open('ohlc.txt', 'r', encoding='utf-8') as f:
    for line in f:                        # 直接迭代檔案物件
        print(line.strip())               # strip() 去除行尾 \n

規則與注意事項

模式	行為	檔案不存在時
'r'	唯讀，不可寫入	FileNotFoundError
'w'	寫入，清空舊內容	自動建立新檔案
'a'	追加，保留舊內容	自動建立新檔案
'r+'	讀寫，不清空	FileNotFoundError
'x'	建立新檔案並寫入	自動建立；已存在則 FileExistsError

常見錯誤與防呆

錯誤一：忘記指定 encoding，中文亂碼

# ❌ 錯誤寫法（Windows 預設 cp950，Mac/Linux 預設 utf-8，跨平台亂碼）
with open('data.txt', 'r') as f:
    content = f.read()   # 可能出現 UnicodeDecodeError 或亂碼

# ✅ 正確寫法：永遠明確指定編碼
with open('data.txt', 'r', encoding='utf-8') as f:
    content = f.read()

# 若 CSV 有 BOM 標頭（Excel 存出的 UTF-8 CSV）
with open('data.csv', 'r', encoding='utf-8-sig') as f:
    content = f.read()

錯誤二：用 'w' 模式誤刪既有資料

# ❌ 危險寫法（每次執行都清空 log 檔案！）
with open('trade_log.txt', 'w', encoding='utf-8') as f:
    f.write("2024-01-05 買入 AAPL\n")   # 之前的記錄全被刪除

# ✅ 正確做法：交易日誌用 'a' 模式追加
with open('trade_log.txt', 'a', encoding='utf-8') as f:
    f.write("2024-01-05 買入 AAPL\n")   # 保留所有歷史記錄

錯誤三：讀取不存在的檔案未加例外處理

# ❌ 錯誤寫法（檔案不存在時程式崩潰）
with open('missing.csv', 'r', encoding='utf-8') as f:
    data = f.read()   # FileNotFoundError，程式中止

# ✅ 正確做法：用 try-except 搭配檔案讀寫
import os

filepath = 'missing.csv'
if os.path.exists(filepath):
    with open(filepath, 'r', encoding='utf-8') as f:
        data = f.read()
else:
    print(f"檔案不存在：{filepath}")
    data = None

# 或直接用 try-except
try:
    with open(filepath, 'r', encoding='utf-8') as f:
        data = f.read()
except FileNotFoundError:
    print(f"找不到檔案：{filepath}")
    data = None

進階用法

csv 模組：讀寫結構化資料

Python 內建 csv 模組專門處理逗號分隔值格式，自動處理引號跳脫、分隔符號等邊界情況，比手動用 split(',') 分割更安全可靠，是量化資料處理的必備工具。

import csv

# === 寫入 CSV ===
ohlc_data = [
    ['Date',       'Open',  'High',  'Low',   'Close', 'Volume'],
    ['2024-01-02', 182.5,   185.9,   181.0,   185.2,   45000000],
    ['2024-01-03', 185.5,   188.2,   184.7,   187.8,   52000000],
    ['2024-01-04', 187.2,   188.5,   182.1,   183.5,   38000000],
    ['2024-01-05', 183.8,   186.3,   183.0,   185.9,   41000000],
]

with open('aapl_ohlc.csv', 'w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    writer.writerows(ohlc_data)    # 一次寫入多行
print("CSV 寫入完成")

# === 讀取 CSV ===
with open('aapl_ohlc.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    header = next(reader)          # 讀取標題行
    print(f"欄位：{header}")

    for row in reader:
        date, o, h, l, c, vol = row
        print(f"{date}  收盤：{float(c):.2f}  成交量：{int(vol):,}")

csv.DictReader / DictWriter：欄位名稱存取

DictReader 讓每一行資料以字典形式讀取，用欄位名稱而非索引取值，程式碼更易讀，也不怕欄位順序改變；DictWriter 則讓寫入時以字典指定欄位值。

import csv

# === DictReader：以欄位名稱讀取 ===
closes = []
with open('aapl_ohlc.csv', 'r', encoding='utf-8') as f:
    reader = csv.DictReader(f)       # 自動把第一行當標題
    for row in reader:
        # row 是 OrderedDict，用欄位名稱取值
        closes.append(float(row['Close']))

print(f"收盤價序列：{closes}")
print(f"最高收盤：{max(closes)}")
print(f"平均收盤：{sum(closes)/len(closes):.2f}")

# === DictWriter：以欄位名稱寫入 ===
results = [
    {'Date': '2024-01-02', 'Signal': 'HOLD', 'PnL': 0},
    {'Date': '2024-01-03', 'Signal': 'BUY',  'PnL': 0},
    {'Date': '2024-01-04', 'Signal': 'HOLD', 'PnL': 2.6},
    {'Date': '2024-01-05', 'Signal': 'SELL', 'PnL': 2.4},
]

fieldnames = ['Date', 'Signal', 'PnL']
with open('backtest_result.csv', 'w', newline='', encoding='utf-8') as f:
    writer = csv.DictWriter(f, fieldnames=fieldnames)
    writer.writeheader()             # 寫入標題行
    writer.writerows(results)        # 寫入所有資料行
print("回測結果已儲存")

量化實戰：完整回測結果讀寫流程

將回測的每日損益記錄寫入 CSV，之後再讀回計算績效指標，是量化開發中最基本也最重要的資料持久化流程。

import csv
import os

def save_trades(trades, filepath='trades.csv'):
    """儲存交易紀錄到 CSV"""
    fieldnames = ['date', 'ticker', 'action', 'price', 'shares', 'pnl']
    file_exists = os.path.exists(filepath)

    with open(filepath, 'a', newline='', encoding='utf-8') as f:
        writer = csv.DictWriter(f, fieldnames=fieldnames)
        if not file_exists:
            writer.writeheader()    # 只有建立新檔案時才寫標題
        writer.writerows(trades)

def load_trades(filepath='trades.csv'):
    """從 CSV 讀取交易紀錄並計算績效"""
    if not os.path.exists(filepath):
        print("找不到交易紀錄檔案")
        return []

    trades = []
    try:
        with open(filepath, 'r', encoding='utf-8') as f:
            reader = csv.DictReader(f)
            for row in reader:
                row['price']  = float(row['price'])
                row['shares'] = int(row['shares'])
                row['pnl']    = float(row['pnl'])
                trades.append(row)
    except Exception as e:
        print(f"讀取失敗：{e}")
    return trades

# 模擬使用
sample_trades = [
    {'date': '2024-01-03', 'ticker': 'AAPL', 'action': 'BUY',
     'price': 185.5, 'shares': 100, 'pnl': 0},
    {'date': '2024-01-05', 'ticker': 'AAPL', 'action': 'SELL',
     'price': 188.2, 'shares': 100, 'pnl': 270.0},
]

save_trades(sample_trades)
loaded = load_trades()

total_pnl = sum(t['pnl'] for t in loaded)
wins  = [t for t in loaded if t['pnl'] > 0]
print(f"總交易筆數：{len(loaded)}")
print(f"獲利交易：{len(wins)}")
print(f"總損益：{total_pnl:.2f}")

煉金坊小叮嚀

恭喜你走到了 Python 語法系列的最後一篇！檔案讀寫是程式與外部世界溝通的橋樑，在量化開發中幾乎每天都用到。有三個習慣從一開始就要養成：第一，永遠用 with 開檔，不要手動 open + close；第二，永遠明確指定 encoding='utf-8'，避免跨平台亂碼；第三，寫入交易日誌或追加記錄時確認用的是 'a' 而非 'w' 模式——我曾因一個 'w' 的筆誤，把幾個月的回測日誌清空，教訓深刻。對於量化資料建議優先使用 csv.DictReader / DictWriter，用欄位名稱取值比索引更健壯，之後加欄位不會讓程式碼崩潰。當資料量大時，進一步考慮使用 pandas 的 read_csv()，但掌握原生 csv 模組才能真正理解底層運作原理。

← 回到【Python 語法目錄】 ← 回到【Python 修煉地圖】