一、三种数据文件的读取
二、csv、tsv、txt 文件读取
1）csv文件读取：
语法格式：pandas.read_csv(文件路径)
csv文件内容如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import pandas as pdfile_path = "e:\\pandas_study\\test.csv"content = pd.read_csv(file_path)content.head() # 默认返回前5行数据content.head(3) # 返回前3行数据content.shape # 返回一个元组（总行数，总列数），总行数不包括标题行content.index # 返回索引，是一个可迭代的对象<class 'pandas.core.indexes.range.rangeindex'>content.column # 返回所有的列名 index(['姓名', '年龄', '籍贯'], dtype='object')content.dtypes # 返回的是每列的数据类型姓名 object年龄 int64籍贯 objectdtype: object |
2）csv文件读取：
语法格式：pandas.read_csv(文件路径)
csv文件内容如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
import pandas as pdfile_path = "e:\\pandas_study\\test2.txt"content = pd.read_csv(file_path,sep='\t',header = none ,names= ['name','age','adress'])#参数说明：# header = none 表示没有标题行# sep='\t' 表示去除分割符中的空格# names= ['name','age','adress'] ，列名依次自定义为'name','age','adress'content.head() # 默认返回前5行数据content.head(3) # 返回前3行数据content.shape # 返回一个元组（总行数，总列数），总行数不包括标题行content.index # 返回索引，是一个可迭代的对象<class 'pandas.core.indexes.range.rangeindex'>content.column # 返回所有的列名 index(['姓名', '年龄', '籍贯'], dtype='object')content.dtypes # 返回的是每列的数据类型 |
三、excel文件读取
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import pandas as pdfile_path = "e:\\pandas_study\\test3.xlsx"content = pd.read_excel(file_path)content.head() # 默认返回前5行数据content.head(3) # 返回前3行数据content.shape # 返回一个元组（总行数，总列数），总行数不包括标题行content.index # 返回索引，是一个可迭代的对象<class 'pandas.core.indexes.range.rangeindex'>content.column # 返回所有的列名 index(['姓名', '年龄', '籍贯'], dtype='object')content.dtypes # 返回的是每列的数据类型姓名 object年龄 int64籍贯 objectdtype: object |
四、数据库表格读取
语法： pandas.read_sql(sql语句,数据库连接对象)
数据对象的创建，可以根据pymysql,cx_oracle等模块连接mysql或者oracle。
到此这篇关于python数据分析之pandas读取数据的文章就介绍到这了,更多相关pandas读取数据内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/weixin_50640351/article/details/117336508
