pandas数据读取（DataFrameSeries）1、pandas数据的读取
pandas需要先读取表格类型的数据，然后进⾏分析
数据说明说明
pandas读取⽅
法
csv、tsv、txt ⽤逗号分割、tab分割
的纯⽂本⽂件
excel微软xls或者xlsx⽂件pd.read_excel mysql关系向数据库表pd.read_sql
#本代码⽰例：
import pandas as pd  #导⼊包
#1读取csv，使⽤默认的标题⾏、逗号分割
fpath = “要打开⽂件的路径”
ratings = pd.read_csv(fpath)  #使⽤pd.read_csv读取数据ratings.head()      #查看前⼏⾏（默认5⾏）
ratings.shape      #查看数据的形状，返回（⾏数、列数）lumns  # 查看列名列表
ratings.index      #查看索引列
ratings.dtypes    #查看每⼀列的数据类型
#1.2读取txt⽂件，⾃⼰制定分隔符、列名
fpath = “⽂件的路径”
pvuv  = pd.read_csv(
fpath,
sep = “\t”,  #l列的分隔符
header = None,
names = ['pdate','pv','uv']
)
print(pvuv)
#读取excel⽂件
fpath = “⽂件的路径”
pvuv = pd.read_excel(fpath)
print(pvuv)
#读取Mysql数据库
import pmysql
conn = t(
host = '127.0.0.1',
user = 'root',
password = '123456',
database = 'test',
charest = 'utf8'
)
mysql_page = pd.read_sql("select * from 表名",con=conn) print(mysql_page)
2、pandas数据结构（DataFrame  &  Series）DataFrame:⼆维数据，整个表格，多⾏多列df.columns 查询列
df.index  查询⾏
Series：⼀维数据，⼀⾏或者⼀列
#1、 Series
#2、DataFrame
#3、从DAtaFrame中查询出Series
import pandas as pd
import numpy as np
#series是⼀种类似于⼀维数组的对象，它由⼀组数据（不同数据类型）以及⼀组与之相关的数#据标签（即索引）组成。#1.1仅有数据列表即可产⽣最简单的series
s1 = pd.Series([1,'a',5.2,6])
# print(s1)  #左侧为索引，右侧为数据
print(s1.index)  #获取索引结果：RangeIndex(start=0, stop=4, step=1)
print(s1.values)  #获取数据结果：[1 'a' 5.2 6]
#1.2 创建⼀个具有标签索引的Series
s2 = pd.Series([1,'a',5.2,6],index = ['d','b','a','c'])
print(s2)
print(s2.index)  #Index(['d', 'b', 'a', 'c'], dtype='object')
#1.3 使⽤python字典创建Series
sdata = {'ohio':3500,'Texas':72000,'Oregs':16000,'Ggrqg':5000}
s3 = pd.Series(sdata)
print(s3)
#1.4 根据标签索引查询数据（类似python的字典dict)
print(s2['a'])#5.2
print(type(s2['a']))#<class 'float'>
print(s2[['b','a']])
#2 DataFrame
# DataFrame是⼀个表格型的数据结构
# 每⼀列可以是不同的值类型（数值、字符串、布尔值）
# 既有⾏索引index，也有列索引columns
# 可以被看由Series组成的字典
#2.1根据多个字典序列创建dataframe
data = {
'state':['ofjg','sdfg','werw','wrgwer','rgwg'],
'year':[2000,3000,5000,6000,9000],
'pop':[1.5,1.7,1.6,5.3,3.5]
}
df = pd.DataFrame(data)
print(df)
#3.从DataFrame中查询Series
# 如果只查询⼀列，返回的是pd.Series
# 如果查询多⾏、多列，返回的是pd.DataFrame
python怎么读取excel文件数据# 3.1 查询⼀列结果是⼀个pd.Series
print(df['year'])
print(type(df['year']))#<class 'series.Series'>
# 3.2 查询多列，结果是⼀个pd.DataFrame
print(df[['year','pop']])
print(type(df[['year','pop']]))#<class 'frame.DataFrame'>
# 3.3 查询⼀⾏，结果是⼀个pd.Series
print(df.loc[1])
print(type(df.loc[1]))#<class 'series.Series'>
# 3.4 查询多⾏，结果是⼀个pd.DataFrame
print(df.loc[1:3])
print(type(df.loc[1:3]))#<class 'frame.DataFrame'>

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。