详解pandas的外部数据导入与常用方法
外部数据导入
导入excel文件
pandas导入excel用read_excel()方法:
importpandasaspd excel_file1=pd.read_excel('data/测试.xlsx',encoding='utf-8')
姓名 年龄 工作 工资
0 张三 25 学生 200
1 李四 24 工人 3000
2 王伟 28 NaN 5000
3 王二毛 22 自由职业 6000
第一个参数是路径,既可以使用绝对路径又可以使用相对路径,如果文件名含有汉字,注意指定设置一下属性encoding='utf-8',另设置sheet_name指定具体的Sheet名字,也可传入sheet的顺序,从0开始。
excel_file1=pd.read_excel('data/test.xlsx',sheet_name=0)
指定索引
列索引默认从0开始,通过index_col设置,header设置行索引。
excel_file1=pd.read_excel('data/测试.xlsx',encoding='utf-8',index_col=0)
年龄 工作 年资
姓名
张三 25 学生 200
李四 24 工人 3000
王伟 28 NaN 5000
王二毛 22 自由职业 6000
excel_file1=pd.read_excel('data/测试.xlsx',encoding='utf-8',header=1)
张三 25 学生 200
0 李四 24 工人 3000
1 王伟 28 NaN 5000
2 王二毛 22 自由职业 6000
指定索引列
有时本地文件列数太多,可以设置usercols指定导入的列,也可以列表形式传入多个值,表示传入哪些列。
excel_file1=pd.read_excel('data/测试.xlsx',encoding='utf-8',usecols=[0,2])
姓名 工作
0 张三 学生
1 李四 工人
2 王伟 NaN
3 王二毛 自由职业
常用方法
- shape()可以获取excel文件的行和列,以元祖形式返回;
- info()获取数据类型;
- astype()可转换列里面的数据类型,括号里是要转换的目标类型;如df[列2].astype('float64');df['列'].dtype可查看列的类型
- isnull()判断哪个值是缺失值;
- dropna()删除有缺失值的行,返回删除后的数据,传入参数how=all,要全为空值才会删除;
- fillna()括号内可直接填入要要填充的值,也可指定列填充,以字典形式传参;
- drop_duplicates()默认对所有重复值判断,默认保留keep=first第一个行值;通过keep修改,值可为last,保留最后一个,还可设置keep为False,一个也不保留。另也可指定列名去重,如传入参数subset=['列名1,列名2'],注意是以列表形式传参;
- head()传入的参数代表获取前几行;
- describe()掌握数值的分布情况,如均值,最值,方差,分位数。
- column和index可设置列索引和行索引,以列表形式传参;
- set_index()重新设置索引列,传入要指名要用做行索引的名称;
- reset_index(level=None,drop=False,inplace=False),level指定要将层次化索引的第几级别转化为columns,第一个索引为0级,第二个为1级,默认全部转化为columns。drop是否将原索引删掉,inplace是否修改原数据表;该方法常用于数据分组和数据透视表中。
- rename()重命名索引,可重新设置columns和index,以字典形式传参,key为原值,value为替换后的值。
导入CSV文件
pandas导入csv文件用read_csv()方法;
importpandasaspd csv_file1=pd.read_csv('.\\data\\train-pivot.csv',index_col=0,header=0,nrows=2)
通过sep设置分割符,encoding指定编码格式。导入csv文件要指定为gbk,不然会报错,如果一个大文件你只需看前面几行,通过nrows设置。
importpandasaspd csv_file1=pd.read_csv('data/train-pivot.csv',encoding='gbk',nrows=2) print(csv_file1)
用户ID客户分类 区域是否省会 7月销量 8月销量
0 59224 A类 一线城市 是 6 20 0
1 55295 B类 三线城市 否 37 27 35
可以设置usercols指定导入的列。
用户ID 区域
0 59224 一线城市
1 55295 三线城市
2 46035 二线城市
3 2459 一线城市
4 22179 三线城市
导入sql
pandas中有read_sql()方法:
importpandasaspd importpymysql #创建连接 conn=pymysql.connect(host='localhost',user='python', password='passwd',db='test', charset='utf-8' ) ''' user:用户名 password:密码 host:数据库地址/本机用localhost db:数据库名 charset:编码,一般为utf-8 ''' sql="SELECT*FROMuser"#写要执行的sql语句 pd.read_sql(sql,conn)
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持毛票票。