Pandas —— 数据读取

深碍√TFBOYSˉ_ 2023-02-27 13:34 29阅读 0赞

# 前文 #

[数据清洗 —— Pandas 的简单使用方法][_ Pandas]

### 文章目录 ###

*  前文
 *  Pandas 数据读取
 *   *  纯文本文件读取
     *  csv 文件读取
     *  Excel 文件读取
     *  MySQL 数据表读取

# Pandas 数据读取 #

Pandas 需要先读取表格类型的数据，然后才能进行分析

<table> 
 <thead> 
  <tr> 
   <th>数据类型</th> 
   <th>说明</th> 
   <th>Pandas 读取方法</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>csv、tsv、txt</td> 
   <td>用逗号分隔，tab 分割的纯文本文件</td> 
   <td>pd.read_csv</td> 
  </tr> 
  <tr> 
   <td>excel</td> 
   <td>微软 xls 或者 xlsx 文件</td> 
   <td>pd.read_excel</td> 
  </tr> 
  <tr> 
   <td>MySQL</td> 
   <td>关系型数据库表</td> 
   <td>pd.read_sql</td> 
  </tr> 
 </tbody> 
</table>

## 纯文本文件读取 ##

文件内容如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70]  
使用 pandas 将这些数据读取并打印出来

# author : Woo_home
    # create_time : 2020/7/17 22:11
    
    import pandas as pd
    
    file_path = './demo.txt'
    ''' file_path：文件路径 sep：分隔符 header 设置为 None 的意思是说这个文件没有标题行 names：自己设置列名 '''
    data = pd.read_csv(file_path, sep=" ", header=None, names=['pdate','A','B','C','D'])
    print(data)

输出结果：左侧的为索引  
![在这里插入图片描述][20200718110210924.png]

## csv 文件读取 ##

csv 文件如下  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 1]  
ok，现在用 pandas 来操作这个文件

# author : Woo_home
    # create_time : 2020/7/17 20:45
    
    import pandas as pd
    
    # 文件所在路径
    file_path = './students.csv'
    
    # 使用 pd.read_csv 读取文件
    data = pd.read_csv(file_path)
    
    # 打印前 5 行数据
    print(data.head())
    
    # 打印数据的形状，返回（行数，列数）
    print(data.shape)
    
    # 打印列名列表
    print(data.columns)
    
    # 打印索引列
    print(data.index)
    
    # 打印每列的数据类型
    print(data.dtypes)

输出结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 2]

## Excel 文件读取 ##

设置 Excel 文件内容如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 3]  
使用 pandas 的 read\_excel 方法读取 Excel 文件内容并打印出来，代码如下：

# author : Woo_home
    # create_time : 2020/7/18 11:03
    
    import pandas as pd
    
    file_path = './demo.xlsx'
    data = pd.read_excel(file_path)
    print(data)

输出结果：  
![在这里插入图片描述][20200718110558306.png]

## MySQL 数据表读取 ##

数据库表中的数据如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 4]  
使用 pandas 的 pd.read\_sql 读取表数据，但是该操作需要连接数据库，所以需要安装 pymysql 的一个库，安装命令很简单，**pip install pymysql** 即可

# author : Woo_home
    # create_time : 2020/7/18 11:07
    
    import pandas as pd
    # 导入 pymysql
    import pymysql
    
    ''' host：主机名称 user：用户名 password：连接密码 database：选择你要连接的数据库名 charset：编码格式 '''
    connection = pymysql.connect(
                    host = '',
                    user = '',
                    password = '',
                    database = 'student',
                    charset = 'utf8'
                 )
    mysql_page = pd.read_sql("select * from user", con=connection)
    print(mysql_page)

输出结果：  
![在这里插入图片描述][20200718111724831.png]

[_ Pandas]: https://blog.csdn.net/Woo_home/article/details/86657040
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70]: /images/20230209/a76bb1627db1486c9efe8dd8d10c9d2a.png
[20200718110210924.png]: https://img-blog.csdnimg.cn/20200718110210924.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200717221043701.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200717220102405.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200718110453765.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l,size_16,color_FFFFFF,t_70
[20200718110558306.png]: https://img-blog.csdnimg.cn/20200718110558306.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/2020071811155442.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l,size_16,color_FFFFFF,t_70
[20200718111724831.png]: https://img-blog.csdnimg.cn/20200718111724831.png