接下里是第二章的学习，数据加载、存储与文件格式
一、读取文本格式数据
我将大致介绍一下这些函数在将文本数据转换为DataFrame时所用到的一些技术。这些函数的选项可以划分为以下几个大类：
1.索引：将一个或多个列当做返回的DataFrame处理，以及是否从文件、用户获取列名。
2.类型推断和数据转换：包括用户定义值的转换、和自定义的缺失值标记列表等
3.日期解析：包括组合功能，比如将分散在多个列中的日期时间信息组合成结果中的单个列
4.迭代：支持对大文件进行逐块迭代
5.不规整数据问题：跳过一些行、页脚、注释或其他一些不重要的东西（比如由成千上万个逗号隔开的数值数据）。
因为工作中实际碰到的数据可能十分混乱，一些数据加载函数（尤其是read_csv）的选项逐渐变得复杂起来。面对不同的参数，感到头痛很正常（read_csv有超过50个参数）。pandas文档有这些参数的例子，如果你感到阅读某个文件很难，可以通过相似的足够多的例子找到正确的参数
其中一些函数，比如pandas.read_csv，有类型推断功能，因为列数据的类型不属于数据类型。也就是说，你不需要指定列的类型到底是数值、整数、布尔值，还是字符串。其它的数据格式，如HDF5、Feather和msgpack，会在格式中存储数据类型。
1.日期和其他自定义类型的处理需要多花点工夫才行。首先我们来看一个以逗号分隔的（CSV）文本文件：
df = pd.read_csv('F:/hellopython/数据分析/ex1.csv')
#pd.read_table('F:/hellopython/数据分析/ex1.csv', sep=',') 这样也行
df
a b c d message
0 1 2 3 4 hello
1 5 6 7 8 world
2 9 10 11 12 foo
但并不是所有文件都有标题行的
! type "ex2.csv" #先大概查看一下这个文件，只能放在当前目录下
1,2,3,4,hello
5,6,7,8,world
9,10,11,12,foo
读入该文件的办法有两个。你可以让pandas为其分配默认的列名，也可以自己定义列名：
pd.read_csv('F:/hellopython/数据分析/ex2.csv', header=None)
0 1 2 3 4
0 1 2 3 4 hello
1 5 6 7 8 world
2 9 10 11 12 foo
pd.read_csv('F:/hellopython/数据分析/ex2.csv', names=['a', 'b', 'c', 'd', 'message'])
a b c d message
0 1 2 3 4 hello
1 5 6 7 8 world
2 9 10 11 12 foo
2.假设你希望将message列做成DataFrame的索引。你可以明确表示要将该列放到索引的位置上，也可以通过index_col参数指定"message"：
names = ['a', 'b', 'c', 'd', 'message']
a b c d
message
hello 1 2 3 4
world 5 6 7 8
foo 9 10 11 12
3.如果希望将多个列做成一个层次化索引，只需传入由列编号或列名组成的列表即可
! type "csv_mindex.csv"
key1,key2,value1,value2
one,a,1,2
one,b,3,4
one,c,5,6
one,d,7,8
two,a,9,10
two,b,11,12
two,c,13,14
two,d,15,16
value1 value2
key1key2
one a 1 2
b 3 4
c 5 6
d 7 8
two a 9 10
b 11 12
c 13 14
d 15 16
4.有些情况下，有些表格可能不是用固定的分隔符去分隔字段的（比如空白符或其它模式）。看看下面这个文本文件：
list(open('ex3.txt'))
[' A B C\n',
'aaa -0.264438 -1.026059 -0.619500\n',
'bbb 0.927272 0.302904 -0.032399\n',
'ccc -0.264273 -0.386314 -0.217601\n',
'ddd -0.871858 -0.348382 1.100491\n']
虽然可以手动对数据进行规整，这里的字段是被数量不同的空白字符间隔开的。这种情况下，你可以传递一个正则表达式作为read_table的分隔符。可以用正则表达式表达为\s+，于是有：
result = pd.read_table(‘F:/hellopython/数据分析/ex3.txt’, sep=‘\s+’)
result
A B C
aaa -0.264438 -1.026059 -0.619500
bbb 0.927272 0.302904 -0.032399
ccc -0.264273 -0.386314 -0.217601
ddd -0.871858 -0.348382 1.100491
这里，由于列名比数据行的数量少，所以read_table推断第一列应该是DataFrame的索引。
5.这些解析器函数还有许多参数可以帮助你处理各种各样的异形文件格式。比如说，你可以用skiprows跳过文件的第一行、第三行和第四行：
! type ex4.csv
# hey! #看到他1 3 4行都是注释
a,b,c,d,message
# just wanted to make things more difficult for you
# who reads CSV files with computers, anyway?
1,2,3,4,hello
5,6,7,8,world
9,10,11,12,foo
pd.read_csv('ex4.csv', skiprows=[0, 2, 3])
a b c d message
0 1 2 3 4 hello
1 5 6 7 8 world
2 9 10 11 12 foo
6.失值处理是文件解析任务中的一个重要组成部分。缺失数据经常是要么没有（空字符串），要么用某个标记值表示。默认情况下，pandas会用一组经常出现的标记值进行识别，比如NA及NULL：
! type ex5.csv
something,a,b,c,d,message
one,1,2,3,4,NA
two,5,6,,8,world
three,9,10,11,12,foo
na_values可以用一个列表或集合的字符串表示缺失值：
result = pd.read_csv('ex5.csv', na_values=['NULL'])
result
something a b c d message
0 one 1 2 3.0 4 NaN
1 two 5 6 NaN 8 world
2 three 9 10 11.0 12 foo
字典的各列可以使用不同的NA标记值，可以让值变成NAN
sentinels = {'message': ['foo', 'NA'], 'something': ['two']}
pd.read_csv('ex5.csv', na_values=sentinels)
something a b c d message
0 one 1 2 3.0 4 NaN
1 NaN 5 6 NaN 8 world
2 three 9 10 11.012 NaN
二、逐块读取文本文件
在处理很大的文件时，或找出大文件中的参数集以便于后续处理时，你可能只想读取文件的一小部分或逐块对文件进行迭代。
在看大文件之前，我们先设置pandas显示地更紧些：
pd.options.display.max_rows = 10
然后有
result = pd.read_csv('ex6.csv')
result
one two three four key
0 0.467976 -0.038649 -0.295344 -1.824726 L
1 -0.358893 1.404453 0.704965 -0.200638 B
2 -0.501840 0.659254 -0.421691 -0.057688 G
3 0.204886 1.074134 1.388361 -0.982404 R
4 0.354628 -0.133116 0.283763 -0.837063 Q
... ... ... ... ... ...
9995 2.311896 -0.417070 -1.409599 -0.515821 L
9996 -0.479893 -0.650419 0.745152 -0.646038 E
9997 0.523331 0.787112 0.486066 1.093156 K
9998 -0.362559 0.598894 -1.843201 0.887292 G
9999 -0.096376 -1.012999 -0.657431 -0.573315 0
10000 rows × 5 columns
1.如果只想读取几行（避免读取整个文件），通过nrows进行指定即可
pd.read_csv('ex6.csv', nrows=5)
one two three four key
0 0.467976 -0.038649 -0.295344 -1.824726 L
1 -0.358893 1.404453 0.704965 -0.200638 B
2 -0.501840 0.659254 -0.421691 -0.057688 G
3 0.204886 1.074134 1.388361 -0.982404 R
4 0.354628 -0.133116 0.283763 -0.837063 Q
2.read_csv所返回的这个TextParser对象使你可以根据chunksize对文件进行逐块迭代。比如说，我们可以迭代处理ex6.csv，将值计数聚合到"key"列中，如下所示：
计算key为L、B等等等等的有几个
chunker = pd.read_csv('ex6.csv', chunksize=1000)
tot = pd.Series([])
for piece in chunker:
tot = tot.add(piece['key'].value_counts(), fill_value=0)
tot = tot.sort_values(ascending=False)
tot[:10] #前十个
E 368.0
X 364.0
L 346.0
O 343.0
Q 340.0
M 338.0
J 337.0
F 335.0
K 334.0
H 330.0
dtype: float64
三.将数据写出到文本格式
1.数据也可以被输出为分隔符格式的文本。我们再来看看之前读过的一个CSV文件：
data = pd.read_csv('ex5.csv')
data
something a b c d message
0 one 1 2 3.0 4 NaN
1 two 5 6 NaN 8 world
2 three 9 10 11.012 foo
利用DataFrame的to_csv方法，我们可以将数据写到一个以逗号分隔的文件中：
data.to_csv('out1.csv')
! type "out1.csv"
,something,a,b,c,d,message
0,one,1,2,3.0,4,
1,two,5,6,,8,world
2,three,9,10,11.0,12,foo
当然也可以用其他分隔符
data.to_csv('out1.csv',sep='|')
! type "out1.csv"
2.缺失值在输出结果中会被表示为空字符串。你可能希望将其表示为别的标记值：
data.to_csv('out1.csv',sep='|',na_rep='NULL')
! type "out1.csv"
|something|a|b|c|d|message
0|one|1|2|3.0|4|NULL
1|two|5|6|NULL|8|world
2|three|9|10|11.0|12|foo
3.如果没有设置其他选项，则会写出行和列的标签。当然，它们也都可以被禁用：
data.to_csv('out1.csv',index=False, header=False)
! type "out1.csv"
one,1,2,3.0,4,
two,5,6,,8,world
three,9,10,11.0,12,foo
4.你甚至可以设置只输出一部分的列
data.to_csv('out1.csv', index=False, columns=['a', 'b', 'c'])
! type "out1.csv"
a,b,c
1,2,3.0
5,6,
9,10,11.0
5.Series也同样有to_scv方法
import numpy as np
dates = pd.date_range('1/1/2000', periods=7)
ts = pd.Series(np.arange(7), index=dates)
ts.to_csv('ts.csv')
ts
2000-01-01 0
2000-01-02 1
2000-01-03 2
2000-01-04 3
2000-01-05 4
2000-01-06 5
2000-01-07 6
Freq: D, dtype: int32
! type "ts.csv"
,0 #为什么有这玩意，很怪，到时候手动删除一下把
2000-01-01,0
2000-01-02,1
2000-01-03,2
2000-01-04,3
2000-01-05,4
2000-01-06,5
2000-01-07,6
四、处理分隔符格式
大部分存储在磁盘上的表格型数据都能用pandas.read_table进行加载。然而，有时还是需要做一些手工处理。由于接收到含有畸形行的文件而使read_table出毛病的情况并不少见。
有时，我们可能希望得到我们想要的数据格式
先来看一个简单的例子
! type "ex7.csv"
"a","b","c"
"1","2","3"
"1","2","3"
对于任何单字符分隔符文件，可以直接使用Python内置的csv模块。将任意已打开的文件或文件型的对象传给csv.reader：对这个reader进行迭代将会为每行产生一个列表（并移除了所有的引号）：
import csv
f = open('ex7.csv')
reader = csv.reader(f）
for line in reader:
print(line)
['a', 'b', 'c']
['1', '2', '3']
['1', '2', '3']
现在，为了使数据格式合乎要求，你需要对其做一些整理工作。我们一步一步来做。首先，读取文件到一个多行的列表中：
with open('ex7.csv') as f:
list(csv.reader(f))
print(lines)
[['a', 'b', 'c'], ['1', '2', '3'], ['1', '2', '3']]
data_dict = {h: v for h, v in zip(header, zip(*values))} #zip(*value)可以去百度一下，很简单
data_dict
{'a': ('1', '1'), 'b': ('2', '2'), 'c': ('3', '3')} #这样就可能变成我们想要的形式
在我们写入csv文件的时候，我们有一个csv.writer函数，他的参数我们可以定义一个函数，到时候直接调用
CSV文件的形式有很多。只需定义csv.Dialect的一个子类即可定义出新格式（如专门的分隔符、字符串引用约定、行结束符等
class my_dialect(csv.Dialect):
lineterminator = '\n' #用于写操作的函结束符，默认\r\n
delimiter = ';' #用于分割字段的单字符串，默认为','
quotechar = '"' #用于带有特殊字符（如分隔符）的字段引用符号，默认为'"'
quoting = csv.QUOTE_MINIMAL 引用约定
with open('mydata.csv', 'w') as f:
writer = csv.writer(f, dialect=my_dialect)
writer.writerow(('one', 'two', 'three'))
writer.writerow(('1', '2', '3'))
writer.writerow(('4', '5', '6'))
writer.writerow(('7', '8', '9'))
! type "mydata.csv"
one;two;three #如果换成delimiter='|'，那么one two three 等中间的符号就是|
1;2;3
4;5;6
7;8;9
五、JSON数据
JSON（JavaScript Object Notation的简称）已经成为通过HTTP请求在Web浏览器和其他应用程序之间发送数据的标准格式之一。它是一种比表格型文本格式（如CSV）灵活得多的数据格式。
下面是一个例子：
obj = “”"
{“name”: “Wes”,
“places_lived”: [“United States”, “Spain”, “Germany”],
“pet”: null,
“siblings”: [{“name”: “Scott”, “age”: 30, “pets”: [“Zeus”, “Zuko”]},
{“name”: “Katie”, “age”: 38,
“pets”: [“Sixes”, “Stache”, “Cisco”]}]
}
“”"
其空值null和一些其他的细微差别（如列表末尾不允许存在多余的逗号）之外，JSON非常接近于有效的Python代码。基本类型有对象（字典）、数组（列表）、字符串、数值、布尔值以及null。对象中所有的键都必须是字符串。许多Python库都可以读写JSON数据。我将使用json，因为它是构建于Python标准库中的。
通过json.loads即可将JSON字符串转换成Python形式：
import json
result = json.loads(obj)
result
{'name': 'Wes',
'pet': None,
'places_lived': ['United States', 'Spain', 'Germany'],
'siblings': [{'age': 30, 'name': 'Scott', 'pets': ['Zeus', 'Zuko']},
{'age': 38, 'name': 'Katie', 'pets': ['Sixes', 'Stache', 'Cisco']}]}
json.dumps则将Python对象转换成JSON格式：
asjson = json.dumps(result)
如何将（一个或一组）JSON对象转换为DataFrame或其他便于分析的数据结构就由你决定了。最简单方便的方式是：向DataFrame构造器传入一个字典的列表（就是原先的JSON对象），并选取数据字段的子集：
siblings = pd.DataFrame(result['siblings'], columns=['name', 'age'])
siblings
name age
0 Scott 30
1 Katie 38
pandas.read_json可以自动将特别格式的JSON数据集转换为Series或DataFrame。例如：
! type example.json
[{"a": 1, "b": 2, "c": 3},
{"a": 4, "b": 5, "c": 6},
{"a": 7, "b": 8, "c": 9}]
pd.read_json('example.json')
data
a b c
0 1 2 3
1 4 5 6
2 7 8 9
如果你需要将数据从pandas输出到JSON，可以使用to_json方法：
print(data.to_json())
{"a":{"0":1,"1":4,"2":7},"b":{"0":2,"1":5,"2":8},"c":{"0":3,"1":6,"2":9}}
print(data.to_json(orient='records'))
[{"a":1,"b":2,"c":3},{"a":4,"b":5,"c":6},{"a":7,"b":8,"c":9}]
六、二进制数据格式
实现数据的高效二进制格式存储最简单的办法之一是使用Python内置的pickle序列化。
pandas对象都有一个用于将数据以pickle格式保存到磁盘上的to_pickle方法：
frame = pd.read_csv('ex1.csv')
frame
a b c d message
0 1 2 3 4 hello
1 5 6 7 8 world
2 9 10 11 12 foo
frame.to_pickle('frame_pickle')
你可以通过pickle直接读取被pickle化的数据，或是使用更为方便的pandas.read_pickle：
pd.read_pickle('frame_pickle')
a b c d message
0 1 2 3 4 hello
1 5 6 7 8 world
2 9 10 11 12 foo
#### 注意：pickle仅建议用于短期存储格式。其原因是很难保证该格式永远是稳定的；今天pickle的对象可能无法被后续版本的库unpickle出来。虽然我尽力保证这种事情不会发生在pandas中，但是今后的某个时候说不定还是得“打破”该pickle格式。
七、使用HDF5格式
DF5是一种存储大规模科学数组数据的非常好的文件格式。它可以被作为C标准库，带有许多语言的接口，如Java、Python和MATLAB等。HDF5中的HDF指的是层次型数据格式（hierarchical data format）。每个HDF5文件都含有一个文件系统式的节点结构，它使你能够存储多个数据集并支持元数据。与其他简单格式相比，HDF5支持多种压缩器的即时压缩，还能更高效地存储重复模式数据。对于那些非常大的无法直接放入内存的数据集，HDF5就是不错的选择，因为它可以高效地分块读写。
虽然可以用PyTables或h5py库直接访问HDF5文件，pandas提供了更为高级的接口，可以简化存储Series和DataFrame对象。HDFStore类可以像字典一样，处理低级的细节：
frame = pd.DataFrame({'a': np.random.randn(100)})
store = pd.HDFStore('mydata.h5')
store['obj1'] = frame
store['obj1_col'] = frame['a']
store
<class 'pandas.io.pytables.HDFStore'>
File path: mydata.h5
/obj1 frame (shape->[100,1])
/obj1_col series (shape->[100])
/obj2 frame_table (typ->appendable,nrows->100,ncols->1,indexers->
[index])
/obj3 frame_table (typ->appendable,nrows->100,ncols->1,indexers->
[index])
HDF5文件中的对象可以通过与字典一样的API进行获取：
store['obj1']
a
0 -0.204708
1 0.478943
2 -0.519439
3 -0.555730
4 1.965781
.. ...
95 0.795253
96 0.118110
97 -0.748532
98 0.584970
99 0.152677
[100 rows x 1 columns]
HDFStore支持两种存储模式，‘fixed’和’table’。后者通常会更慢，但是支持使用特殊语法进行查询操作：
store.put('obj2', frame, format='table')
store.select('obj2', where=['index >= 10 and index <= 15'])
a
10 1.007189
11 -1.296221
12 0.274992
13 0.228913
14 1.352917
15 0.886429
put是store[‘obj2’] = frame方法的显示版本，允许我们设置其它的选项，比如格式。
pandas.read_hdf函数可以快捷使用这些工具：
frame.to_hdf('mydata.h5', 'obj3', format='table')
pd.read_hdf('mydata.h5', 'obj3', where=['index < 5'])
a
0 -0.204708
1 0.478943
2 -0.519439
3 -0.555730
4 1.965781
八、读取Microsoft Excel文件
pandas的ExcelFile类或pandas.read_excel函数支持读取存储在Excel 2003（或更高版本）中的表格型数据。这两个工具分别使用扩展包xlrd和openpyxl读取XLS和XLSX文件。
要使用ExcelFile，通过传递xls或xlsx路径创建一个实例：
xlsx = pd.ExcelFile('ex1.xlsx')
pd.read_excel(xlsx, 'Sheet1')
a b c d message
0 1 2 3 4 hello
1 5 6 7 8 world
2 9 10 11 12 foo
如果要将pandas数据写入为Excel格式，你必须首先创建一个ExcelWriter，然后使用pandas对象的to_excel方法将数据写入到其中：
writer = pd.ExcelWriter('ex2.xlsx')
frame.to_excel(writer, 'Sheet1')
writer.save()
你还可以不使用ExcelWriter，而是传递文件的路径到to_excel：
frame.to_excel('ex2.xlsx')
九、Web APIs交互
许多网站都有一些通过JSON或其他格式提供数据的公共API。通过Python访问这些API的办法有不少。一个简单易用的办法（推荐）是requests包（http://docs.python-requests.org）。
为了搜索最新的30个GitHub上的pandas主题，我们可以发一个HTTP GET请求，使用requests扩展库：
import requests
url = 'https://api.github.com/repos/pandas-dev/pandas/issues'
resp = requests.get(url)
响应对象的json方法会返回一个包含被解析过的JSON字典，加载到一个Python对象中：
data = resp.json()
data中的每个元素都是一个包含所有GitHub主题页数据（不包含评论）的字典。我们可以直接传递数据到DataFrame，并提取感兴趣的字段：
issues = pd.DataFrame(data, columns=['number', 'title', 'labels', 'state'])
issues
number title labels state
0 47745 BUG: Behavior with fallback between raise and ... [] open
1 47744 ENH/TST: Add quantile & mode tests for ArrowEx... [{'id': 127685, 'node_id': 'MDU6TGFiZWwxMjc2OD... open
2 47743 BUG: groupby transform functions ignore dropna [{'id': 76811, 'node_id': 'MDU6TGFiZWw3NjgxMQ=... open
3 47742 DOC: Clarify return type cases in pandas.unique [] open
4 47740 DOC: update min package versions in install.rs... [{'id': 134699, 'node_id': 'MDU6TGFiZWwxMzQ2OT... open
5 47738 DEPR: deprecate pandas.tests [] open
6 47737 BUILD: install from source fails using Docker ... [{'id': 129350, 'node_id': 'MDU6TGFiZWwxMjkzNT... open
7 47736 TST: add test for last() on dataframe grouped ... [{'id': 127685, 'node_id': 'MDU6TGFiZWwxMjc2OD... open
8 47735 DOC: `pandsa.eval` main body text should cancl... [{'id': 134699, 'node_id': 'MDU6TGFiZWwxMzQ2OT... open
9 47734 BUG: `df.eval` can't concatenate string column... [{'id': 76811, 'node_id': 'MDU6TGFiZWw3NjgxMQ=... open
10 47732 DOC: Updating some capitalization in doc/sourc... [{'id': 134699, 'node_id': 'MDU6TGFiZWwxMzQ2OT... open
11 47730 ENH/TST: Add Reduction tests for ArrowExtensio... [{'id': 127685, 'node_id': 'MDU6TGFiZWwxMjc2OD... open
12 47729 TYP: freq and na_value [] open
13 47727 DOC: update min package versions in install.rs... [{'id': 134699, 'node_id': 'MDU6TGFiZWwxMzQ2OT... open
14 47726 PERF: Slow hdf_read on 10+ million row data + ... [{'id': 8935311, 'node_id': 'MDU6TGFiZWw4OTM1M... open
15 47725 ENH: Proposed min s3fs 2021.5.0 is incompatib... [{'id': 76812, 'node_id': 'MDU6TGFiZWw3NjgxMg=... open
16 47724 BUG: numeric_only with axis=1 in DataFrame.cor... [{'id': 76811, 'node_id': 'MDU6TGFiZWw3NjgxMQ=... open
17 47721 BUG: Rolling std() error [{'id': 76811, 'node_id': 'MDU6TGFiZWw3NjgxMQ=... open
18 47720 ENH: Timestamp.min/max/resolution support non-... [{'id': 3713792788, 'node_id': 'LA_kwDOAA0YD87... open
19 47719 GroupBy enhancement unifies the return of iter... [] open
20 47718 API: Consistent handling of duplicate input co... [{'id': 35818298, 'node_id': 'MDU6TGFiZWwzNTgx... open
21 47716 opt out of bottleneck for nanmean [{'id': 527603109, 'node_id': 'MDU6TGFiZWw1Mjc... open
22 47715 TST: Test for the Enum triggering TypeError (#... [{'id': 127685, 'node_id': 'MDU6TGFiZWwxMjc2OD... open
23 47712 DOC: fix typos in "See also" documentation sec... [] open
24 47711 ENH/TST: Add BaseUnaryOpsTests tests for Arrow... [{'id': 127685, 'node_id': 'MDU6TGFiZWwxMjc2OD... open
25 47710 GH: Add CITATION.cff [{'id': 32933285, 'node_id': 'MDU6TGFiZWwzMjkz... open
26 47708 BUG: json_normalize raises boardcasting error ... [{'id': 49379259, 'node_id': 'MDU6TGFiZWw0OTM3... open
27 47706 WEB: Governance community members [{'id': 32933285, 'node_id': 'MDU6TGFiZWwzMjkz... open
28 47705 BUG: groupby.resample have inconsistent behavi... [{'id': 76811, 'node_id': 'MDU6TGFiZWw3NjgxMQ=... open
29 47703 BUG: Assigning to a shallow copy did not chang... [{'id': 76811, 'node_id': 'MDU6TGFiZWw3NjgxMQ=... open
十、数据库交互
在商业场景下，大多数数据可能不是存储在文本或Excel文件中。基于SQL的关系型数据库（如SQL Server、PostgreSQL和MySQL等）使用非常广泛，其它一些数据库也很流行。数据库的选择通常取决于性能、数据完整性以及应用程序的伸缩性需求。
将数据从SQL加载到DataFrame的过程很简单，此外pandas还有一些能够简化该过程的函数。例如，我将使用SQLite数据库（通过Python内置的sqlite3驱动器）：
import sqlite3
query = """
.....: CREATE TABLE test
.....: (a VARCHAR(20), b VARCHAR(20),
.....: c REAL,d INTEGER
.....: );"""
con = sqlite3.connect('mydata.sqlite')
con.execute(query)
con.commit()
然后插入几行数据：
data = [('Atlanta', 'Georgia', 1.25, 6),
.....: ('Tallahassee', 'Florida', 2.6, 3),
.....: ('Sacramento', 'California', 1.7, 5)]
stmt = "INSERT INTO test VALUES(?, ?, ?, ?)"
con.executemany(stmt, data)
<sqlite3.Cursor at 0x7f6b15c66ce0>
从表中选取数据时，大部分Python SQL驱动器（PyODBC、psycopg2、MySQLdb、pymssql等）都会返回一个元组列表：
cursor = con.execute('select * from test')
rows = cursor.fetchall()
rows
[('Atlanta', 'Georgia', 1.25, 6),
('Tallahassee', 'Florida', 2.6, 3),
('Sacramento', 'California', 1.7, 5)]
你可以将这个元组列表传给DataFrame构造器，但还需要列名（位于光标的description属性中）：
pd.DataFrame(rows, columns=[x[0] for x in cursor.description])
a b c d
0 Atlanta Georgia 1.25 6
1 Tallahassee Florida 2.60 3
2 Sacramento California 1.70 5
cursor.description
(('a', None, None, None, None, None, None),
('b', None, None, None, None, None, None),
('c', None, None, None, None, None, None),
('d', None, None, None, None, None, None))
754
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
