#3、导入导出数据

import pandas as pd  #数据分析与挖掘库

'''
Series     #index 默认值为0 1 。。。  #类似于表格的行或者列
DataFrame  类似于表格
'''

#以数组形式创建数据框
a = pd.Series([8,9,2,1])
a = pd.Series([8,9,2,1],index=['one','two','three','four'])  #指定索引
pd.DataFrame([[2,3,4,5],[23],[43],[33],columns=[])#注意，默认行号列号起始只为0
#字典形式
pd.DataFrame({'one':4,'two':[2,4,5]})  #1有1个数但2有3个
              #但为了对齐，系统默认填充为444 )
pd.DataFrame({'two':list(str(245))  #等效于上面的

#操作
d.head()		#调取头部数据，默认前五行，（）内加参数取几行
d.tail()		#尾部
d.describe()	#统计数据  其中25% 50% 75% 为分位数
d.T				#行列转置，行变列 列变行
d.shape			#获得行列信息
d.values[][]	#第几行第几列              
d.sort_values(by='行或列的index值')#排序

#从MySQL数据库中取数据
import pymysql
conn=pymysql.connect(host='',user='root',passwd='root',db='名字')
#创建连接  主机地址：本地为127.0.0.1；用户：；数据库名
sql = "select*from 名字"  #筛选
k = pd.read_sql(sql,conn)

#导入csv
pda.read_csv('路径')  #其他形式文件以此类推

#导入HTML中的表格
pd.read_html('网址')

#导入txt
pd.read_table('路径')

#写出数据
csv.to_csv('路径', encoding='utf-8', index=False)	#不写出索引列

#读取指定行和列
Data = pd.read_csv(r'C:\Users\sxxzc\Desktop\test.csv', \
                   usecols=['id', 'name', \
                    nrows=2])#读取id 和name两列，只读前两行

#分块儿读取
Data = pd.read_csv(r'C:\Users\sxxzc\Desktop\test.csv', chunksize=900)	
#如4500行的数据，这里分了5块儿
#然后再全部读取
pd.concat(Data, ignore_index = True)