python常见数据的存取

python数据的存取

数据的保存

在Python中，可以使用不同的包来将不同类型的数据保存到不同类型的文件中。下面是一些示例：

3.1.1 保存list

• 保存List到txt文件

data_list = ['apple', 'banana', 'orange']
with open('data_list.txt', 'w') as f:
    for item in data_list:
        f.write("%s\n" % item)

• 保存List到csv文件

import csv

data_list = [['apple', 1], ['banana', 2], ['orange', 3]]
with open('data_list.csv', mode='w', newline='') as f:
    writer = csv.writer(f)
    writer.writerows(data_list)

• 保存List到Excel文件

import pandas as pd

data = ['apple', 'banana', 'orange']
df = pd.DataFrame(data_list, columns=['fruits'])
df.to_excel('data_list.xlsx', index=False)

3.1.2 保存Dict

• 保存Dict到txt文件

data_dict = {'a': 1, 'b': 2, 'c': 3}

with open('data_dict.txt', 'w') as f:
    for key, value in data_dict.items():
        f.write(f'{key}:{value}\n')

• 保存Dict到csv文件

import csv

data_dict = {'apple': 1, 'banana': 2, 'orange': 3}
with open('data_dict.csv', mode='w', newline='') as file:
    writer = csv.writer(file)
    for key, value in data_dict.items():
        writer.writerow([key, value])

• 保存Dict到Excel文件

import pandas as pd

data_dict = {'name': ['apple', 'banana', 'orange'], 'price': [1, 2, 3]}
df = pd.DataFrame(data)
df.to_excel('data_dict.xlsx', index=False)

3.1.3 保存Set

• 保存Set到txt文件

data_set = {'apple', 'banana', 'orange'}
with open('data_set.txt', 'w') as f:
    for item in data_set :
        f.write("%s\n" % item)

• 保存Set到csv文件

data_set = {1, 2, 3, 4, 5}

import csv

with open('data_set.csv', 'w', newline='') as f:
    writer = csv.writer(f)
    writer.writerow(['value'])
    for value in data_set :
        writer.writerow([value])

• 保存Set到excel文件

import pandas as pd

data_set = {1, 2, 3, 4, 5}

df = pd.DataFrame(list(data_set), columns=['value'])
df.to_excel('data_set.xlsx', index=False)

3.1.4 保存Dataframe

• 保存Dataframe到txt文件

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]}

data_df = pd.DataFrame(data)
data_df.to_csv('data_df.txt', index=False, sep='\t')

• 保存Dataframe到csv文件

import pandas as pd

data = {'name': ['apple', 'banana', 'orange'], 'price': [1, 2, 3]}
data_df = pd.DataFrame(data)
data_df.to_csv('data_df.csv', index=False)

• 保存Dataframe到Excel文件

import pandas as pd

data = {'name': ['apple', 'banana', 'orange'], 'price': [1, 2, 3]}
data_df = pd.DataFrame(data)
writer = pd.ExcelWriter('data_df.xlsx')
data_df.to_excel(writer, index=False, sheet_name='Sheet1')
writer.save()

3.1.5 保存Matrix

• 保存Matrix到txt文件

import numpy as np

data_matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
np.savetxt('data_matrix.txt', data_matrix)

• 保存Matrix到csv文件

import numpy as np

data_matrix = np.random.rand(3, 3)
np.savetxt('data_matrix.csv', data_matrix, delimiter=',')

• 保存Matrix到Excel文件

import pandas as pd
import numpy as np

data_matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
df = pd.DataFrame(data_matrix)
df.to_excel('data_matrix.xlsx', index=False)

总之，Python提供了很多包和方法来处理不同类型的数据，并将它们保存到不同类型的文件中，这些示例只是其中一部分，读者可以根据自己的需要选择适合自己的方法。

3.2 数据的读取

3.2.1 读取txt文件中的数据

with open('data_list.txt', 'r') as f:
    data = f.read()
print(data)

3.2.2 读取excel文件中的数据

import pandas as pd
data = pd.read_excel('data_dict.xlsx')
print(data)

3.2.3 读取csv文件中的数据

import pandas as pd

data = pd.read_csv('data_df.csv')
print(data)

3.2.4 读取stata文件中的数据

import pandas as pd

data = pd.read_stata('example.dta')
print(data)

3.2.5 读取R文件中的数据

import pandas as pd

data = pd.read_r('example.Rdata')
print(data)

3.2.6 读取SPSS文件中的数据

import pandas as pd

data = pd.read_spss('example.sav')
print(data)

3.2.7 读取Eviews文件中的数据

import pandas as pd

data = pd.read_table('example.prg', delim_whitespace=True)
print(data)

3.2.8 读取JSON文件中的数据

import json

with open('example.json', 'r') as f:
    data = json.load(f)
print(data)

3.2.9 读取MYSQL文件中的数据

import mysql.connector

conn = mysql.connector.connect(user='username', password='password', host='host_address', database='database_name')
c = conn.cursor()
c.execute('SELECT * FROM table_name')
data = c.fetchall()
print(data)

3.2.10 读取SQLite文件中的数据

import sqlite3

conn = sqlite3.connect('example.db')
c = conn.cursor()
c.execute('SELECT * FROM table_name')
data = c.fetchall()
print(data)