Python中读取数据，包括文本文件（如 CSV 和 TXT ）、Excel 文件、SPSS 数据文件以及 Stata 数据文件

在当今的数据驱动的世界中，Python 凭借其强大的功能和丰富的库，成为了处理和分析数据的重要工具。能够准确高效地读取各种类型的数据对于后续的数据分析、挖掘和应用开发至关重要。

数据的来源和格式多种多样，包括文本文件（如 CSV 和 TXT ）、Excel 文件、SPSS 数据文件以及 Stata 数据文件等。不同的文件格式有着各自的特点和应用场景。

例如，CSV 和 TXT 文件常用于简单的数据存储和交换，具有格式简洁、易于创建和编辑的优点；Excel 文件则在办公和商业环境中广泛使用，能够容纳复杂的表格结构和数据格式；SPSS 和 Stata 数据文件则常见于专业的统计分析领域。

在 Python 中，我们需要掌握相应的方法和函数来读取这些不同格式的数据。通过正确地使用相关的库和函数，如 pandas 库中的 read_csv 、 read_table 、 read_excel 等函数，以及其他专门用于读取特定格式数据的函数，我们能够将数据顺利地加载到 Python 环境中，为进一步的处理和分析奠定基础。

无论是进行学术研究、商业分析还是开发数据驱动的应用程序，熟练掌握在 Python 中读取各种数据格式的技能都是必不可少的。

1 读取文本文件（CSV或者TXT文件）

读取CSV或者TXT文件需要用到pandas模块中的pd.read_csv()函数或者pd.read_table()函数，其中pd.read_csv()函数主要用来读取CSV文件，而pd.read_table()函数主要用来读取TXT文件。

pd.read_csv()函数的基本语法格式如下：

pd.read_csv('文件.csv',sep=',')

其中的参数sep用于指定分隔符，一定要与拟读取的CSV文件中实际的分隔符完全一致，若不设置则默认的分隔符为英文状态下的逗号（即半角逗号）。

常用的分隔符如表所示。

pd.read_table()函数的基本语法格式如下：

pd.read_table('文件.txt',sep='\t')

pd.read_table(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,thousands=None,comment=None,encoding=None)

参数说明如表所示。

下面以示例的方式进行讲解。输入以下代码并逐行运行：

import pandas as pd         # 导入pandas模块并简称为pd
data=pd.read_csv('C:/Users/Administrator/.spyder-py3/数据4.1.csv')  # 从设置路径中读取数据4.1文件，数据4.1文件为.csv格式

注意，因用户的具体安装路径不同，代码会有所差异。成功载入后，可在Spyder的变量管理器界面找到载入的data数据文件，双击数据文件名data即可打开数据文件，如图所示。

数据4.1.csv

调用pd.read_csv()函数可以直接读取CSV文件。下面我们尝试调用pd.read_csv()函数直接读取TXT文件。

data=pd.read_csv('C:/Users/Administrator/.spyder-py3/数据4.1.txt')  # 从设置路径中读取数据4.1文件，数据4.1文件为.txt格式

运行结果如图所示。从图中可以发现由于没有正确指定分隔符，因此数据没能够被正确读取。

数据4.1.txt

将分隔符设置为'\t'后，数据就能够被正确读取了.

     data=pd.read_csv('C:/Users/Administrator/.spyder-py3/数据4.1.txt',sep='\t')  # 从设置路径中读取数据4.1文件，数据4.1文件为.txt格式

将分隔符设置为'\s+'后，数据同样被正确读取.

     data=pd.read_csv('C:/Users/Administrator/.spyder-py3/数据4.1.txt',sep='\s+')  # 从设置路径中读取数据4.1文件，数据4.1文件为.txt格式

调用pd.read_table()函数，不必设置分隔符也可正确读取TXT数据文件

     data=pd.read_table('C:/Users/Administrator/.spyder-py3/数据4.1.txt')  # 从设置路径中读取数据4.1文件，数据4.1文件为.txt格式

从设置路径中读取数据4.1文件，数据4.1文件为.csv格式，但不把第一行作为表头。

     data=pd.read_csv('C:/Users/Administrator/.spyder-py3/数据4.1.csv', header=None) 

此外，很多时候我们需要摒弃数据集原来的变量名（可能是因为原来的变量名设置不合理、有错误、过长等），就需要设置新的变量名。

     data=pd.read_csv('C:/Users/Administrator/.spyder-py3/数据4.1.csv',names = ['V1', 'V2','V3', 'V4']) # 从设置路径中读取数据4.1文件，数据4.1文件为.csv格式，把变量名分别设置为'V1', 'V2', 'V3','V4'

运行结果如图上图所示。可以发现上述设置并没有达到想要的效果，代码应该为：从设置路径中读取数据4.1文件，数据4.1文件为.csv格式，跳过第一行不读取，并且把变量名分别设置为'V1', 'V2', 'V3', 'V4'

     data=pd.read_csv('C:/Users/Administrator/.spyder-py3/数据4.1.csv', skiprows=[0],names =['V1', 'V2', 'V3', 'V4']))       

2 读取excel数据

import pandas as pd#导入pandas模块，并简称为pd
data=pd.read_excel('C:/Users/Administrator/.spyder-py3/数据4.1.xlsx')
data=pd.read_excel('C:/Users/Administrator/.spyder-py3/数据4.1.xlsx',sheet_name='数据4.1副本') # 读取某个sheet表
data=pd.read_excel('C:/Users/Administrator/.spyder-py3/数据4.1.xlsx')[['profit','invest']] # 读取并筛选几列

3 读取spss数据

​​​​​​​

#pip install --upgrade pyreadstat#安装pyreadstat，大家在运行时把最前面的#号去掉
import pandas as pd#导入pandas模块，并简称为pd
data=pd.read_spss('C:/Users/Administrator/.spyder-py3/数据7.1.sav')

4 读取stata数据

​​​​​​​

import pandas as pd#导入pandas模块，并简称为pddata=pd.read_stata('C:/Users/Administrator/.spyder-py3/数据8.dta')