1.pandas打开和读取文件

最近在公司在弄数据分析相关的项目，数据分析就免不了要先对数据进行处理，也就自然避不开关于excel文档的初始化操作了。

一段时间之后，发现pandas更加符合我的项目要求，所以，将一些常规操作记录下来，便于以后查阅。

那在开始下面的操作之前，下载pandas模块是很有必要的

文件打开

首先在刚开始的时候需要导入模块pandas

import pandas as pd

pandas的打开文件一共有三种方法，分别对应三种文件，即：

数据类型	说明	Pandas读取方式
csv,tsv,txt	用逗号分割，tab分割的纯文本文件	pd.read_csv
excel	微软xls或者xlsx文件	pd.read_excel
mysql	关系型数据库表	pd.read_sql

我现在的工作需求中，现阶段最常用的是.xlsx的文件读取

.xlsx文件打开

df = pd.read_excel('1.xlsx') # 文件名或文件路径
print(df)

id                                         enterprise
0     18950                                      中国农业大学资源与环境学院
1     18949                                       山东恒丰农业科技有限公司
2     18948                      石家庄市民丰种子有限公司、北京中农臻中农业科技发展有限公司
3     18947                                        九原区种子有限责任公司
4     18946                               中国农业大学和武汉隆福康农业发展有限公司
...     ...                                                ...
6215  12735                       浙江省农业科学院与核技术利用研究所、湖州科奥种业有限公司
6216  12734                               浙江省农科院作核所、杭州市种子技术推广站
6217  12733                                浙江省农业科学院作核所、湖州市种子公司
6218  12732                                  浙江省农科院作核所、杭州市种子公司
6219  12731  浙江省农业科学院作物与核技术利用研究所、宁波市农业科学研究院生物技术研究所、浙江之豇种业有限...

[6220 rows x 2 columns]

这样就读取了.xlsx类型的文件

文件读取

.shape

有些时候我只是想看看这个表的尺寸大约是多大的，就可以用这个方法

df.shape

(6220, 2)

该方法会返回这个表的（行数，列数）

.columns

有些时候我想看看这个表的标题，就是第一行的信息

df.columns

Index(['id', 'enterprise'], dtype='object')

该方法会返回一个列表形式的数据

.head()

当然，有些时候也不需要那么多的数据读取，可能有些时候只想读取前几行

该方法会默认的读取数据的前5行数据

def head(self: FrameOrSeries, n: int = 5) -> FrameOrSeries:

df.head()

id                     enterprise
0  18950                  中国农业大学资源与环境学院
1  18949                   山东恒丰农业科技有限公司
2  18948  石家庄市民丰种子有限公司、北京中农臻中农业科技发展有限公司
3  18947                    九原区种子有限责任公司
4  18946           中国农业大学和武汉隆福康农业发展有限公司

当然也可以修改读取的行数

df.head(10)

.index

读取数据的时候，也许发现了，在最左侧有一列数据，他本不是在数据当中的数据，这一列就是数据的索引，就像数据库当中的id一样

那可以通过这个方法来查看索引列

df.index

RangeIndex(start=0, stop=6220, step=1)