5个你或许不知道的pandas数据导入技巧_pandas导入本地文件

如果您以前曾在 Python 中使用过 Pandas，您就会知道可以通过多种不同的方式导入表格数据。

Pandas 可能是使用最广泛的用于加载、操作和导出数据的 Python 包之一。

虽然您可能熟悉使用 pandas 读取和写入数据的许多不同方法，但您可能没有意识到一些可能并不像您想象的那么明显的快捷方式/技巧。这可以使导入数据变得更加容易和快速。这篇博文仅探讨了其中的五种技术.

1. 从url导入csv

您可能非常熟悉 pd.read_csv() 方法可以导入csv文件的， 其实ta还可以通过 HTTP 从 URL 读取数据。

网络访问 CSV 文件，而不是在本地存储所有文件， 可以省去手动下载内容的麻烦。

import pandas as pd
 
url = 'csv文件的网络连接'
df = pd.read_csv(url)

2. 导入html网页中的表格

如果您曾经阅读过 pandas 文档，您可能会遇到 pd.read_html() 方法。与 pd.read_csv() 非常相似，它也具有从 URL 导出数据的附加功能。让这更酷的是，您可以提供一个包含许多表格的网站的 URL，它会抓取所有表格。

例如，考虑维基百科文章“英国经济”。这篇文章可以被抓取如下。

url = 'https://en.wikipedia.org/wiki/Economy_of_the_United_Kingdom'
 
df_tables = pd.read_html(url)

3. JSON规范化

有时，当您处理 JSON 数据时， JSON 内往往包含多层嵌套。对于要转换为表格数据的 JSON 对象，它们需