继续深入学习pandas相关操作，数据读取写入、分组、合并，转换等等。前面一篇文章里已经写了关于描述性统计以及常用的基本操作。接下来的一段时间里，我将陆续地去掌握并输出。这篇文章是关于数据读取与写入的知识点。
平时工作中，我们会接触到不同的数据文件，比如很常见的excel文件(后缀名为xls和xlsx)，csv、txt等文本文件，json文件以及sql文件等等。pandas读取这些数据文件的方法如表格所示：
01 读取写入文本文件
read_csv()方法用来读取 csv格式的数据文件，read_table()方法则是读取通用分隔符分隔的数据文件，它们的参数相同。语法：
pandas.read_csv(filepath_or_buffer, sep=’,’, delimiter=None, header=’infer’, names=None, index_col=None, usecols=None,skiprows=None)
参数说明：
- filepath_or_buffer: str，表示文件所在位置的字符串，URL等。
- sep: str， 表示分隔符，分隔符号可以有多个，比如分隔符为"+,+"三个符号，则sep = '+,+'，即正则表达式 。read_csv默认分隔符为","，read_table默认为制表符"\t"。
- delimiter：str，默认为None。sep的别名。
- header：int，list of int，表示列名的行号。如果没有传递列名，则header = 0，列名为文件的第一行。如果显式传递了列名，则header = None。
- names：array，指定列名
- index_col：int，sequence或False。表示索引列的位置，取值为sequence则代表多重索引
- usecols：array，指定读取的列
- skiprows：从文件开头算起，需要跳过的行数
先在当前工作目录下创建csv文件，如下图可以看到这个csv文件包含三列数据，列名为studentNo，name，age。使用read_csv将这三列数据读入到DataFrame。使用cat命令显示文件内容：
读取数据
import pandas as pd
df = pd.read_csv('01.csv')
df
当使用read_table()时，运行代码后出现一个Warning，使用的是最新的版本python3.7。根据提示，修改如截图：
FutureWarning: read_table is deprecated, use read_csv instead, passing sep='\t'
df = pd.read_table('doupo.txt')
df
使用to_csv()方法，可以将数据导出为逗号分隔的数据文件。详述省略。
02 读取写入Excel文件
python处理excel文件用到的模块包含openpyxl、xlsxwriter、xlutils、xlrd、xlwt。想要了解更多关于这几个处理excel文件的python包的详情，可以访问python-excel官网。因为我使用的是Anaconda，Anaconda已经默认安装了xlrd和xlwt等模块，故无需再使用pip去安装啦。
而Python的数据分析库pandas提供了read_excel函数来读取.xls和.xlsx两种excel文件。其中.xls是office excel 2007之前的版本默认保存的文件扩展名。而.xlsx是2007版本之后的。 有时一个excel文件会包含多个工作表，比如下面这个表格文有book和movie两个工作表。
使用xlrd读取excel文件：
# xlrd为读取excel的库
import xlrd
workbook = xlrd.open_workbook('douban.xlsx')
sheetnames = workbook.sheet_names()
sheet1 = workbook.sheet_by_name(sheetnames[1])
#通过sheet名称获取到第2张工作表book
#或 sheet1 = workbook.sheets()[1]
#或 sheet1 = workbook.sheet_by_index(1)
print('sheet名称列表：' + sheetnames)
print('第1张工作表名称：' + sheet1.name)
print('列数：' + str(sheet1.ncols))
print('行数：' + str(sheet1.nrows))
print('第2行所有数据：' + str(sheet1.row_values(2))) # 包括列名这一行，从0算起，
print('第2列所有数据：' + str(sheet1.col_values(1)))
通过pandas.read_excel方法读取excel文件，read_excel( )默认读取第一个工作表的，如果我想要读取movie这个工作表的话，就需要传参啦。
df = pd.read_excel('douban.xlsx', sheet_name = 'movie')
df
这时存储在表中的数据通过pandas.read_excel方法读取到DataFrame中啦，结果显示如下：
使用to_excel()方法，可以将数据存储到excel文件里。写入方法不详说了。
03 数据库的读取与写入
Python处理数据库时同样有第三方库，比如PyMySQL，SQLAlchemy等等，利用这些ORM库（ORM，全称object-relational mapping，即对象关系映射）可以实现对数据库的增删改查。而pandas实现数据库读取有3个方法，分别为read_sql，read_sql_table，read_sql_query。
read_sql_table只能读取数据库的某一个表格，不能实现查询的操作，而read_sql_query只能实现查询操作，不能直接读取数据库中的某个表，read_sql是两者的结合。语法：
pandas.read_sql_table(table_name,con,schema=None,index_col=None,coerce_float=True,columns=None)
pandas.read_sql_query(sql,con,index_col=None,coerce_float=True)
pandas.read_sql(sql,con,index_col=None,coerce_float=True,columns=None)
参数说明：
- sql、table_name：string类型，分别表示SQL语句和数据库表名
- con：表示数据库连接信息
- index_col：int、sequence或者False，表示设定的列作为行名
- coerce_float：boolean，将数据库中的decimal类型的数据转换为pandas中的float64类型的数据，默认True
- columns：list类型，表示读取数据的列名，默认None
这里使用的是SQLAlchemy库来建立数据库连接，需要数据库驱动使用的Python内置的SQLlite。对SQLite的简介如下：
SQLite是一个进程内的库，实现了自给自足的、无服务器的、零配置的、事务性的 SQL 数据库引擎。它是一个零配置的数据库，这意味着与其他数据库一样，您不需要在系统中配置。
from sqlalchemy import create_engine
# create_engine()用来初始化数据库连接
engine = create_engine('sqlite://', echo = False)
df = pd.DataFrame({'name': ['tom', 'David', 'mary'], 'age': [18,19,17], 'score': [89,90,59]})
df
将df写入数据库中取名为“student”的表，需要查看下是否有成功写入数据库，执行sql请求，获取所有数据。实现代码如下：
df.to_sql('student', con=engine)
engine.execute("SELECT * FROM student").fetchall()
使用pandas的读取数据库方法来读取：
# read_sql_query
df = pd.read_sql_query('SELECT * FROM student', con = engine)
# read_sql_table
df = pd.read_sql_table('student', con = engine)
# read_sql
df = pd.read_sql('SELECT * FROM student', con = engine)
df = pd.read_sql('student', con = engine)
df
以上就是使用数据分析库pandas来读取写入不同数据文件的内容啦。
网友评论