pandas处理各种表格数据

pandas处理各种表格数据

 

• • 一读取文本格式数据
  • 二逐块读取文本文件
  • 三将数据写出到文本格式
  • 四DataFrame和数据库

 

经常遇到Python读取excel和csv还有其他各种文件的内容。json还有web端的读取还是比较简单，但是excel和csv的读写是很麻烦。这里记录了pandas库提供的方法来实现文本内容和DataFrame的转化。

一、读取文本格式数据

首先来看一下针对不同格式的文件的读取函数：

总结一下常见参数：（例子见下面代码）

参数	作用
sep	指定分隔符,可以是正则表达式
header	设置为None时处理没有header的文件
names	指定列
index_col	将列做成索引，可传入列表，可体现层次
skiprows	跳过注释行
na_values	接收表示缺失值的列表或字典

 

import pandas as pd
import numpy as np
import sys
import pymysql
df = pd.read_csv('ex1.csv')
print(df)

   a   b   c   d message
0  1   2   3   4   hello
1  5   6   7   8   world
2  9  10  11  12     foo

df = pd.read_table('ex1.csv',sep=',') #可以使用read_table，但必须指定分隔符
# sep还可以是正则表达式
print(df)

   a   b   c   d message
0  1   2   3   4   hello
1  5   6   7   8   world
2  9  10  11  12     foo

df = pd.read_csv('ex2.csv',header = None)#不是每一个csv都有header
print(df)

•  

   0   1   2   3      4
0  1   2   3   4  hello
1  5   6   7   8  world
2  9  10  11  12    foo

df = pd.read_csv('ex2.csv',names=['a','b','c','d','names'])#指定名字
print(df)

   a   b   c   d  names
0  1   2   3   4  hello
1  5   6   7   8  world
2  9  10  11  12    foo

names=['a','b','c','d','names']
df = pd.read_csv('ex2.csv',names=names,index_col='names') #将names做成索引
print(df)
#names对应三个，abcd分别有对应的

• 1
• 2
• 3
• 4

       a   b   c   d
names               
hello  1   2   3   4
world  5   6   7   8
foo    9  10  11  12

• 1
• 2
• 3
• 4
• 5

df = pd.read_csv('csv_mindex.csv')
print('原始样子：','\n',df)
df = pd.read_csv('csv_mindex.csv',index_col=['keys','key2'])
#层次化索引.
#请注意keys和key2的顺序
print(df)

原始样子： 
   keys key2  value1  value2
0  one    a       1       2
1  one    b       3       4
2  two    a       9      10
3  two    c      13      14
           value1  value2
keys key2                
one  a          1       2
     b          3       4
two  a          9      10
     c         13      14

df = pd.read_csv('ex4.csv')
print('原始样子：','\n',df)
#跳过文件的第几行
print()
df = pd.read_csv('ex4.csv',skiprows=[0,2])
print(df)

原始样子： 
                                                           # hey!
a                                           b   c   d    message
# just wanted to make things more difficult NaN NaN NaN      NaN
1                                           2   NaN 4      hello

   a  b   c  d message
0  1  2 NaN  4   hello

pd.isnull(df)# 处理缺失值
df = pd.read_csv('ex4.csv',skiprows=[0,2],na_values=['hello'])# 接收一组用于表示缺失值的字符串
print(df)
print(pd.isnull(df))

   a  b   c  d  message
0  1  2 NaN  4      NaN
       a      b     c      d  message
0  False  False  True  False     True

sentinels = {'message':['foo','NA'],'d':['a','NaN']}# 用一个字典为各列指定不同的NA标记值
df = pd.read_csv('ex4.csv',skiprows=[0,2],na_values=sentinels)
print(df)

   a  b   c  d message
0  1  2 NaN  4   hello

这里，给出了更详细的参数情况:

二、逐块读取文本文件

这里还是参数的调整问题。由于参数过少，这里不做统一整理。

# nrows参数指定只读取定行。算上第一行哦
pd.read_csv('ex1.csv',nrows=4)

• 1
• 2

# chunksize 指定分块读取
chunks = pd.read_csv('ex1.csv',chunksize=2)
print(chunks)

<pandas.io.parsers.TextFileReader object at 0x0000007D7E4A39B0>

•  

for chunk in chunks:
    print(chunk)
    print('='*10,)

•  

   a  b  c  d message
0  1  2  3  4   hello
1  5  6  7  8   world
==========
   a   b   c   d message
2  9  10  11  12     foo
==========

三、将数据写出到文本格式

data = pd.read_csv('ex1.csv',nrows=3)

•  

data.to_csv('ex1_1.csv') #to_csv写入

•  

data.to_csv('ex1_2.csv',sep='|')# 别的分隔符

•  

data.to_csv('ex1_1.csv',na_rep='NULL')# 缺失值会被替换为na_rep

•  

data.to_csv(sys.stdout,index=False,header=False) 
# 行、列标签被禁止
# 输出到控制台

1,2,3,4,hello
5,6,7,8,world
9,10,11,12,foo

data.to_csv(sys.stdout,index=False,columns=['a','b'])

•  

a,b
1,2
5,6
9,10

data.to_csv(sys.stdout)

•  

,a,b,c,d,message
0,1,2,3,4,hello
1,5,6,7,8,world
2,9,10,11,12,foo

四、DataFrame和数据库

# 可以将json格式的数据传给DataFreame
# 也可以数据将数据库的rows传给DataFrame

conn = pymysql.Connect(host='172.31.238.166',port=3306,user='luowang',passwd='root',\
                      charset='UTF8',db='dyx')
cursor=conn.cursor()
sql='select * from access_log';
cursor.execute(sql)
rows= cursor.fetchall()
print(cursor.description)

(('aid', 3, None, 16, 16, 0, False), ('site_id', 3, None, 16, 16, 0, False), ('count', 3, None, 32, 32, 0, False))

•  

# cursor.description第一个保存了列的信息
# pd.DataFrame(rows,columns=[i[0] for i in cursor.description])
pd.DataFrame(list(rows),columns=[i[0] for i in cursor.description]) #rows必须是list类型