正文

Python数据分析1------数据存取

IP云
IP云V管理员/4 阅读
11/28
提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

1、CSV格式数据:

1.1普通读取和保存

可以以纯文本形式打开，可以保存多条记录，每条记录的数据之间默认用逗号来分隔，csv就是逗号分割值的英文缩写。

保存为csv文件：

import pandas as pd

data=pd.DataFrame(数据源）

data. to_csv ('文件名.csv',index = False,encoding = 'utf-8,mode='a'')  index= False的意思是不把index保存进文件中，mode='a'是表示以追加的方式加入文件中

读取csv文件： read_csv

参数详解：https://www.jianshu.com/p/366aa5daaba9【比如一些日期参数，大文件参数】

  • 参数：head 、names ： # 这里的header=None是表示第一行的数据不取为列名，自己另外取名为names=['a','b','c']。如果不加header=None则表示第一行作为列名。 
dataframe=pd.read_csv('地址加文件名.csv',header=None,names=['a','b','c'])

print（dataframe）
  • 参数：encoding ： # 遇到 ‘utf-8’ codec can’t decode byte 0xba in position 0: invalid start byte 但是又必须要中文解码，解决办法是设置read_csv中encoding = ‘GB2312’

注意：读取csv文件还有别的方法：read_table(' 文件位置 ', names=' dataframe的列名 '，encoding='utf-8' ，sep='|' )

  • 参数： chunksize ——分块读取大文件：https://blog.csdn.net/zm714981790/article/details/51375475  。read_csv中有个参数chunksize，通过指定一个chunksize分块大小来读取文件，返回的是一个可迭代的对象TextFileReader。 
reader = pd.read_table('tmp.sv', sep='|', chunksize=4)

for chunk in reader:

     print(chunk)
  • 参数：iterator ： 指定iterator=True 也可以返回一个可迭代对象TextFileReader ： 
reader = pd.read_table('tmp.sv', sep='|', iterator=True)

reader.get_chunk(5)
# open读取代码：

with open(filepath,'r') as f:

　　for line in f:

　　　　print(line)

#pandas读取代码：

chunk_data = pd.read_csv('./data/train_data/showctr.txt', sep = '\t', quoting = csv.QUOTE_NONE, header = None, names=['query','show', 'click','rate'],iterator = True)

largeshow = pd.DataFrame()

smallshow = pd.DataFrame()

count = 0

loop = True

while loop:

    try:

        chunksize = 100000

        show_data = chunk_data.get_chunk(chunksize)

        show_data = show_data.dropna(axis = 0,subset=['query'])

        largeshow = pd.concat([largeshow,show_data[show_data['show'] >= 1000]],axis = 0)

        smallshow = pd.concat([smallshow,show_data[show_data['show'] < 1000]],axis = 0)

        count += 1

    except StopIteration:

        loop = False

print("shape of show_rawdata , large_show and small_show ", count * chunksize, largeshow.shape ,smallshow.shape)

1.2、csv文件读取：

以下方式读出来的不是dataframe，是列表形式 

from numpy import loadtxt

dataset=loadtxt('***.csv',delimiter=",") 【逗号为分隔符】

1.3、csv文件追加 
f=open(path,'a+',newline='')#newline设定可以让写出的csv中不包含空行

writer=csv.writer(f)

for row in range(b.shape[0]):

    writer.writerow(b.iloc[row])#按行将数据写入文件中

f.close()

df.to_csv('my_csv.csv', mode='a', header=False)

2、Excel文件的读取和保存

保存：

dataframe=pd.DataFrame(数据源)

dataframe. to_excel ('文件名.xlsx',sheet_name='表名')

读取：

dataframe=pd. read_excel ('文件名.xlsx')

print(dataframe)

3、sql文件读取：read_sql

读取sql文件之前需要安装好mysql以及python连接mysql的模块PyMySQL，直接命令pip install pymysql。

在数据库中新建一个数据库test，然后新建一个表students，插入数据。

在读取mysql数据之前要将mysql的服务启动：net start mysql。 

import pymysql

import pandas as pd

#连接数据库为test

conn=pymysql.connect(host="127.0.0.1",user="root",passwd="",db="test")

#查询的表为students

sql="select * from students"

data=pd.read_sql(sql,conn)

print(data)

结果如下：输出结果为dataframe

4、读取html文件：read_html

这个函数主要读取HTML中table的数据。

本地的HTML文件代码如下： 

<html>

dnfnjefwnkndsn

<table>

<tr><td>7</td><td>9</td></tr>

<tr><td>5</td><td>8</td></tr>

<tr><td>2</td><td>6</td></tr>

</table>

</html>

读取代码如下： 

import pandas as pd

htl=pd.read_html('E:\wenjian\data\test.html')

print(htl)

结果如下：

读取网络上的HTML的数据也一样。只要将本地地址换成网络地址就行。

5、读取文本数据（txt文件、dat文件、out文件）：read_table

dataframe写入文本数据代码： 

def text_save(filename, data):#filename为写入CSV文件的路径，data为要写入数据列表.

    file = open(filename,'a')

    for i in range(len(data)):

        s = str(data[i]).replace('[','').replace(']','')#去除[],这两行按数据不同，可以选择

        s = s.replace("'",'').replace(',','') +'\n'   #去除单引号，逗号，每行末尾追加换行符

        file.write(s)

    file.close()

    print("保存文件成功")

6、小例子实现： 

import pandas as pd 

df=pd.read_csv('test_csv.csv')

df['Sum_score']=df['Python']+df['Math']

print(df)

df1=df.rename(columns={'Sum_score':'sum'})

print(df1)

df1.to_excel('test_csv.xlsx',sheet_name='scores')

7、json文件读取：

json文件中的数据形式和字典很像，比如：

d1 = {'1':2, '2':3, '3':4}
d2 = {'1':3, '2':4, '3':5}

d1为一个json对象，d2也是一个json对象。如果一个data.json文件中同时存储着d1和d2，则在读取json文件时不能同时解析两个对象，因为这两个对象中的key是一样的 

#调用read函数全部读取json文件中的数据会报错，因为不能同时读取相同的json对象。需要用readlines()函数，一行一行的读取。

import json

with open('data.json','r') as f:

    data=f.read()

    data=json.loads(data)

    print(data)

#调用readlines()函数读取，并加载进一个列表当中

data_list=[]

with open(r'data.json','r') as f:

    for line in f.readlines():

        dic = json.loads(line)

        data_list.append(dic)

相关阅读

目录[+]