1. 读取 CSV 文件
CSV(Comma-Separated Values)文件是一种常见的文本文件格式,用于存储表格数据。
示例代码
import pandas as pd
# 读取 CSV 文件
df = pd.read_csv('data.csv')
print(df)
2. 读取 Excel 文件
Excel 文件是一种常见的电子表格文件格式,通常包含多个工作表。
示例代码
# 读取 Excel 文件
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')
print(df)
3. 读取 JSON 文件
JSON(JavaScript Object Notation)文件是一种轻量级的数据交换格式,易于阅读和编写。
示例代码
# 读取 JSON 文件
df = pd.read_json('data.json')
print(df)
4. 读取 SQL 数据库
Pandas 可以通过 SQLAlchemy 库读取 SQL 数据库中的数据。
示例代码
from sqlalchemy import create_engine
# 创建数据库连接
engine = create_engine('sqlite:///database.db')
# 读取 SQL 数据库中的数据
df = pd.read_sql_table('table_name', engine)
print(df)
5. 读取 HTML 文件
Pandas 可以读取 HTML 文件中的表格数据。
示例代码
# 读取 HTML 文件
dfs = pd.read_html('data.html')
print(dfs[0]) # 假设第一个表格是所需的数据
6. 读取 Parquet 文件
Parquet 是一种高效的列式存储格式,适用于大数据处理。
示例代码
# 读取 Parquet 文件
df = pd.read_parquet('data.parquet')
print(df)
7. 读取 HDF5 文件
HDF5 是一种用于存储大量数据的文件格式,支持分层数据存储。
示例代码
# 读取 HDF5 文件
df = pd.read_hdf('data.h5', 'key')
print(df)
8. 读取 Feather 文件
Feather 是一种轻量级的二进制文件格式,适用于快速读写。
示例代码
# 读取 Feather 文件
df = pd.read_feather('data.feather')
print(df)
9. 读取 Pickle 文件
Pickle 是 Python 的一种序列化格式,用于存储 Python 对象。
示例代码
# 读取 Pickle 文件
df = pd.read_pickle('data.pkl')
print(df)
总结
Pandas 提供了丰富的功能来读取各种类型的文件,使得数据导入过程变得简单和高效。根据不同的数据源和需求,可以选择合适的读取方法。以下是一个完整的示例代码,展示了如何读取不同类型的文件:
import pandas as pd
from sqlalchemy import create_engine
# 读取 CSV 文件
df_csv = pd.read_csv('data.csv')
print("CSV 文件内容:")
print(df_csv)
# 读取 Excel 文件
df_excel = pd.read_excel('data.xlsx', sheet_name='Sheet1')
print("\nExcel 文件内容:")
print(df_excel)
# 读取 JSON 文件
df_json = pd.read_json('data.json')
print("\nJSON 文件内容:")
print(df_json)
# 读取 SQL 数据库
engine = create_engine('sqlite:///database.db')
df_sql = pd.read_sql_table('table_name', engine)
print("\nSQL 数据库内容:")
print(df_sql)
# 读取 HTML 文件
dfs_html = pd.read_html('data.html')
print("\nHTML 文件内容:")
print(dfs_html[0])
# 读取 Parquet 文件
df_parquet = pd.read_parquet('data.parquet')
print("\nParquet 文件内容:")
print(df_parquet)
# 读取 HDF5 文件
df_hdf5 = pd.read_hdf('data.h5', 'key')
print("\nHDF5 文件内容:")
print(df_hdf5)
# 读取 Feather 文件
df_feather = pd.read_feather('data.feather')
print("\nFeather 文件内容:")
print(df_feather)
# 读取 Pickle 文件
df_pickle = pd.read_pickle('data.pkl')
print("\nPickle 文件内容:")
print(df_pickle)