最全Python数据分析：pandas读取和写入数据_pandas写入，2024年最新海尔面试题目

最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~

给大家准备的学习资料包括但不限于：

Python 环境、pycharm编辑器/永久激活/翻译插件

python 零基础视频教程

Python 界面开发实战教程

Python 爬虫实战教程

Python 数据分析实战教程

python 游戏开发实战教程

Python 电子书100本

Python 学习路线规划

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

import pandas as pd
df = pd.read\_csv('01.csv')
df

当使用read_table()时，运行代码后出现一个Warning，使用的是最新的版本python3.7。根据提示，修改如截图：
FutureWarning: read_table is deprecated, use read_csv instead, passing sep='\t'

df = pd.read_table('doupo.txt')
df

使用to_csv()方法，可以将数据导出为逗号分隔的数据文件。详述省略。

02 读取写入Excel文件

python处理excel文件用到的模块包含openpyxl、xlsxwriter、xlutils、xlrd、xlwt。想要了解更多关于这几个处理excel文件的python包的详情，可以访问python-excel官网。因为我使用的是Anaconda，Anaconda已经默认安装了xlrd和xlwt等模块，故无需再使用pip去安装啦。

而Python的数据分析库pandas提供了read_excel函数来读取.xls和.xlsx两种excel文件。其中.xls是office excel 2007之前的版本默认保存的文件扩展名。而.xlsx是2007版本之后的。 有时一个excel文件会包含多个工作表，比如下面这个表格文有book和movie两个工作表。

使用xlrd读取excel文件：

# xlrd为读取excel的库
import xlrd  
workbook = xlrd.open_workbook('douban.xlsx')
sheetnames = workbook.sheet_names()

sheet1 = workbook.sheet_by_name(sheetnames[1])  
#通过sheet名称获取到第2张工作表book
#或 sheet1 = workbook.sheets()[1] 
#或 sheet1 = workbook.sheet\_by\_index(1)

print('sheet名称列表：' + sheetnames)  
print('第1张工作表名称：' + sheet1.name)
print('列数：' + str(sheet1.ncols))
print('行数：' + str(sheet1.nrows))
print('第2行所有数据：' + str(sheet1.row_values(2))) # 包括列名这一行，从0算起，
print('第2列所有数据：' + str(sheet1.col_values(1)))

通过pandas.read_excel方法读取excel文件，read_excel( )默认读取第一个工作表的，如果我想要读取movie这个工作表的话，就需要传参啦。

df = pd.read_excel('douban.xlsx', sheet_name = 'movie')
df

这时存储在表中的数据通过pandas.read_excel方法读取到DataFrame中啦，结果显示如下：

使用to_excel()方法，可以将数据存储到excel文件里。写入方法不详说了。

03 数据库的读取与写入

Python处理数据库时同样有第三方库，比如PyMySQL，SQLAlchemy等等，利用这些ORM库（ORM，全称object-relational mapping，即对象关系映射）可以实现对数据库的增删改查。而pandas实现数据库读取有3个方法，分别为read_sql，read_sql_table，read_sql_query。

read_sql_table只能读取数据库的某一个表格，不能实现查询的操作，而read_sql_query只能实现查询操作，不能直接读取数据库中的某个表，read_sql是两者的结合。语法：

pandas.read_sql_table(table_name,con,schema=None,index_col=None,coerce_float=True,columns=None)
pandas.read_sql_query(sql,con,index_col=None,coerce_float=True)
pandas.read_sql(sql,con,index_col=None,coerce_float=True,columns=None)

参数说明：

• sql、table_name：string类型，分别表示SQL语句和数据库表名
• con：表示数据库连接信息
• index_col：int、sequence或者False，表示设定的列作为行名
• coerce_float：boolean，将数据库中的decimal类型的数据转换为pandas中的float64类型的数据，默认True
• columns：list类型，表示读取数据的列名，默认None

这里使用的是SQLAlchemy库来建立数据库连接，需要数据库驱动使用的Python内置的SQLlite。对SQLite的简介如下：

SQLite是一个进程内的库，实现了自给自足的、无服务器的、零配置的、事务性的 SQL 数据库引擎。它是一个零配置的数据库，这意味着与其他数据库一样，您不需要在系统中配置。

from sqlalchemy import create_engine
# create\_engine()用来初始化数据库连接
engine =  create_engine('sqlite://', echo = False)
df = pd.DataFrame({'name': ['tom', 'David', 'mary'], 'age': [18,19,17], 'score': [89,90,59]})
df

将df写入数据库中取名为“student”的表，需要查看下是否有成功写入数据库，执行sql请求，获取所有数据。实现代码如下：

df.to_sql('student', con=engine)
engine.execute("SELECT \* FROM student").fetchall()

使用pandas的读取数据库方法来读取：

# read\_sql\_query 
df = pd.read_sql_query('SELECT \* FROM student', con = engine)

# read\_sql\_table
df = pd.read_sql_table('student', con = engine)

# read\_sql
df = pd.read_sql('SELECT \* FROM student', con = engine)
df = pd.read_sql('student', con = engine)
df

以上就是使用数据分析库pandas来读取写入不同数据文件的内容啦。

读者福利：知道你对Python感兴趣，便准备了这套python学习资料

对于0基础小白入门：

感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：

①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！