Python数据分析补充：数据的读取（文本、Excel、数据库）

一、文本文件读取

对于csv或txt文本文件，可以使用pandas模块中的read_table函数或者read_csv函数，它们的功能相同，区别在于各自函数中sep参数（即用于指定变量之间的分隔符）默认值不同，具体的参数如下所示：

read_tabel(filepath_or_buffer,sep='\t',header='infer',names=None,index_col=None,usecols=None,
dtype=None,converters=None,skiprows=None,skipfooter=None,nrows=None,na_values=None,
skip_blank_lines=True,parse_dates=False,thousand=None,comment=None,encoding=None)

具体的参数含义如下：

• filepath_or_buffer：指定txt文件或csv文件所在的具体路径，除此还可以指定存储数据的网站链接。
• sep：指定原数据集中各变量之间的分隔符，默认为tab制表符。
• header：是否需要将原数据集中的第一行作为表头，默认是需要的，并将第一行用作变量名称；如果原始数据中没有表头，该参数需要设置为None。
• names：如果原数据集中没有变量名称，可以通过该参数在数据读取时给数据框添加具体的变量名称。
• index_col：指定原数据集中的某些列作为数据框的行索引（标签）。
• usecols：指定需要读取原数据集中的哪些变量名。
• dtype：读取数据时，可以为原数据集的每个变量设置不同的数据类型。
• converters：通过字典格式，为数据集中的某些变量设置转换函数。
• skiprows：数据读取时，指定需要跳过原数据集的起始行数。
• skipfootes：数据读取时，指定需要跳过原数据集的末尾行数。
• nrows：指定数据读取的行数。
• na_values：指定原数据集中哪些特征的值作为缺失值（默认将两个分隔符之间的空值作为缺失值）。
• skip_blank_lines：读取数据时是否需要跳过原数据集中的空白行，默认为True。
• parse_dates：如果参数值为True，则尝试解析数据框的行索引；如果参数为列表，则尝试解析对应的日期列；如果参数为嵌套列表，则将某些列合并为日期列；如果参数为字典，则解析对应的列（即字典中的值），并生成新的变量名（即字典中的键）。
• thousands：指定原始数据集中的千分位符。
• comment：指定注释符，在读取数据时，如果碰到行首指定的注释符，则跳过该行。
• encoding：为防止中文的乱码，可以借助于该参数解决问题（通常设定为“utf-8”或“gbk”）。

我们也可以使用read_csv函数读取文本文件的数据，其参数与read_table函数完全一致，所不同的只是read_table函数在sep参数上的默认值是tab制表符，而read_csv函数在该参数上的默认值为英文状态下的逗号“,”。

为便于理解，如下图的txt文件，我们要讲其导入。