数据分析05——往Pandas中导入数据_pandas导入数据库

1、导入Excel：

• 注意这种方法可以导入xlsx和xls两种类型的数据
• 读入的数据会以DataFrame的格式显示
• 举例：df = pd.read_excel(‘./data/demo_03.xlsx’)
• 还可以导入excel文件中具体的某一个表格：pd.read_excel(‘./data/demo_03.xlsx’, sheet_name=‘工作表1’)
• 导入时要看字段名在excel表的哪一行（以第二行为例）：pd.read_excel(‘./data/demo_03.xlsx’, sheet_name=‘工作表3’, header=1)
• 导入后想把第一行作为列索引，第一列作为行索引：
  df = pd.read_excel(‘your_file.xlsx’, index_col=0, header=0)
• 通过指定的列索引来导入第1列：pd.read_excel(‘./data/demo_03.xlsx’, usecols=[0])
• 通过指定的列索引来导入第1列、第4列：pd.read_excel(‘./data/demo_03.xlsx’, usecols=[0, 3])
• 通过指定的列名来导入指定列：pd.read_excel(‘./data/demo_03.xlsx’, usecols=[‘name’, ‘sex’])
• 注意：如果没有执行导出语句，那么在代码编辑器中运行的结果是不会改变源数据的
• 导出为Excel：df.to_excel(‘./data/demo_08_rank.xlsx’)

2、导入csv文件：

• 导入csv，并指定编码格式：pd.read_csv(‘./data/demo_03.csv’, encoding=‘utf-8’)

3、导入txt文件：

• pd.read_csv(‘./data/demo_03.txt’, encoding=‘utf-8’, sep=‘\t’) # sep是指定分隔符

4、导入json，并指定数据结构：

• json是一种轻量级的数据交换格式，它使用文本进行格式化和编码，通常用于Web服务之间的数据传输。
  • json：非表单结构，读取无意义
  • json：表单结构（split, records, index, table, values），读取有意义
  • 举例：pd.read_json(‘./data/records.json’, orient=‘records’) # orient参数具体给什么就看要导入的数据是类型的json的
• 在 pd.read_json 函数中，还可以设置其它的 orient 值（类似于第一个参数），以便按照不同的数据结构将 JSON 文件读入到 Pandas 数据库中来供进一步操作。常见的除了 “records” 还包括 “index”、“columns”、“values” 和 “table” 等，具体格式如下：