一.读取和写入文件
# 读取文件csv和excel
import pandas
data = pandas.read_csv("datasets\BeijingPM2.5.csv",nrows=10)
print(data)
# 写入文件,index=False表示不写入行索引
data.to_csv("datasets\output.csv",index=False,columns=["year","hour"])
a.常见的读取文件的参数:
b.常见写入文件的参数:
二.读取和写入数据库
from sqlalchemy import create_engine
import pandas
engine = create_engine("mysql+pymysql://root:123456@192.168.1.100:3306/db_pandas?charset=utf8mb4")
data = pandas.read_excel(r"datasets\titanic3.xls",sheet_name="titanic3")
print(data.values)
# 写入数据库
# data.to_sql("to_titanic",con=engine,index_label="id",if_exists="replace")
# 读取数据库中的数据,使用表名
data = pandas.read_sql("to_titanic",con=engine)
# print(data)
# 可以使用sql语句读取某一列
data = pandas.read_sql("select name from to_titanic;",con=engine)
print(data)
数据库的连接的相关参数:
数据库读入的几个方法:
三.DateFrame
import pandas
data = pandas.read_excel(r"datasets\titanic3.xls",sheet_name="titanic3")
print(data.values)
结果:返回的是一个二维列表
常见属性:
四.python列表和numpy数据类型转换为DataFrame
import pandas
# list—>DataFrame
a=[[1,2],[5,3]]
data = pandas.DataFrame(a)
print(data)
numpy同理,传入numpy对象就可以