詳解pandas的外部數據導入與常用方法

外部數據導入

導入excel文件

pandas導入excel用read_excel()方法：

import pandas as pd


excel_file1 = pd.read_excel('data/測試.xlsx',encoding='utf-8')

姓名  年齡    工作    工資
0   張三  25    學生      200
1   李四  24    工人     3000
2   王偉  28    NaN      5000
3  王二毛  22  自由職業   6000

第一個參數是路徑，既可以使用絕對路徑又可以使用相對路徑，如果文件名含有漢字，注意指定設置一下屬性encoding = 'utf-8',另設置sheet_name指定具體的Sheet名字，也可傳入sheet的順序，從0開始。

excel_file1 = pd.read_excel('data/test.xlsx',sheet_name = 0)

指定索引

列索引默認從0開始，通過index_col設置，header設置行索引。

excel_file1 = pd.read_excel('data/測試.xlsx',encoding='utf-8'，index_col=0)

年齡    工作    年資
姓名                
張三   25    學生      200
李四   24    工人     3000
王偉   28   NaN       5000
王二毛  22  自由職業   6000

excel_file1 = pd.read_excel('data/測試.xlsx',encoding='utf-8'，header=1)

張三  25    學生     200
0   李四  24    工人    3000
1   王偉  28   NaN      5000
2  王二毛  22  自由職業  6000

指定索引列

有時本地文件列數太多，可以設置usercols指定導入的列,也可以列表形式傳入多個值，表示傳入哪些列。

excel_file1 = pd.read_excel('data/測試.xlsx',encoding='utf-8',usecols=[0,2])

姓名    工作
0   張三    學生
1   李四    工人
2   王偉    NaN
3  王二毛  自由職業

常用方法

• shape() 可以獲取excel文件的行和列，以元祖形式返回；
• info() 獲取數據類型；
• astype() 可轉換列里面的數據類型，括號里是要轉換的目標類型；如 df[列2].astype('float64') ; df['列'].dtype 可查看列的類型
• isnull() 判斷哪個值是缺失值；
• dropna() 刪除有缺失值的行，返回刪除后的數據，傳入參數how=all,要全為空值才會刪除；
• fillna() 括號內可直接填入要要填充的值，也可指定列填充，以 字典 形式傳參；
• drop_duplicates() 默認對所有重復值判斷，默認保留 keep=first 第一個行值；通過 keep 修改，值可為 last ，保留最后一個，還可設置 keep 為 False ,一個也不保留。另也可指定列名去重，如傳入參數 subset =['列名1，列名2']，注意是以列表形式傳參；
• head() 傳入的參數代表獲取前幾行；
• describe() 掌握數值的分布情況，如均值，最值，方差，分位數。
• column 和 index 可設置 列索引 和 行索引 ，以 列表 形式傳參;
• set_index() 重新設置索引列，傳入要指名要用做行索引的名稱；
• reset_index(level = None,drop=False,inplace = False) ，level指定要將層次化索引的第幾級別轉化為 columns ,第一個索引為0級，第二個為1級，默認全部轉化為columns。 drop 是否將原索引刪掉， inplace 是否修改原數據表；該方法常用于數據分組和數據透視表中。
• rename() 重命名索引，可重新設置 columns 和 index ,以 字典 形式傳參， key 為原值， value 為替換后的值。

導入CSV文件

pandas導入csv文件用read_csv()方法；

import pandas as pd
csv_file1 = pd.read_csv('.\\data\\train-pivot.csv',index_col=0,header=0,nrows = 2) 

通過 sep 設置分割符， encoding 指定編碼格式。導入csv文件要指定為gbk,不然會報錯，如果一個大文件你只需看前面幾行，通過 nrows 設置。

import pandas as pd
csv_file1 = pd.read_csv('data/train-pivot.csv',encoding='gbk',nrows=2)
print(csv_file1)

用戶ID 客戶分類    區域 是否省會  7月銷量  8月銷量 
0  59224   A類  一線城市    是     6    20     0
1  55295   B類  三線城市    否    37    27    35

可以設置 usercols 指定導入的列。

用戶ID    區域
0  59224  一線城市
1  55295  三線城市
2  46035  二線城市
3   2459  一線城市
4  22179  三線城市

導入sql

pandas中有 read_sql() 方法：

import pandas as pd
import pymysql
# 創建連接
conn = pymysql.connect(host = 'localhost',user = 'python',
            password = 'passwd',db = 'test',
            charset = 'utf-8'
            )
'''
user:用戶名
password:密碼
host:數據庫地址/本機用localhost
db:數據庫名
charset:編碼，一般為utf-8
'''
sql = "SELECT * FROM user" # 寫要執行的sql語句
pd.read_sql(sql,conn)

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。