Python数据分析：pandas读取和写入数据

2023-06-08 06:04| 来源: 网络整理| 查看: 265

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：（全套Python入门教程文末领取哈）

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Truecolumns：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