学习笔记(34):零基础搞定Python数据分析与挖掘-数据的读取（二）

立即学习:https://edu.csdn.net/course/play/6861/371098?utm_source=blogtoedu

数据来源：某公司人事记录表
时间范围：2017.1.1~2017.6.30

01,1990,3,7,男,销售经理,6&000
02,1989,8,10,女,化妆师,8&500
03,1991,10,10,男,后端开发,13&500
04,1992,10,7,女,前端设计,6&500
05,1985,6,15,男,数据分析师,18&000

该数据集仅用作参考！
不可以用于他用！
备注于2018年2月。

 

 

代码如下：

import pandas as pd
data01 = pd.read_csv('E:\pylean\database\data_test01.txt',
    skiprows=2,sep=',',header =None,
                     names=['id','age','month','day','gender','occupation','income'],
                     skipfooter=3,encoding='utf-8',converters={'id':str},thousands='&')
data01

其中参数thousand='&'是除去千分位符&

 

二、电子表格的读取：

pd.read_excel(io,sheetname=0,header=0,skiprows=None,skip_footer=0,index_col=None,nmaes=None,na_values=None,thousands=None,convert_float=True)

io:指电子表格的具体路径

sheetname：指定需要读取电子表格中的第几个sheet，既可以传递整数也可以传递具体的sheet名称

header：是否需要将数据集的第一行作为表头，默认是需要的

skiprows：读取数据时指定跳过的开始的行数

skip_feeter：读取数据时，指定要跳过的末尾的行数

index_col:指定哪些列作为数据框的行索引（标签）

na_values:指定原始数据中哪些特殊值代表了缺失值

thousands:指定原始数据集中的千分位符

convert_float:默认将所有的数值型字段转换为浮点型字段

converters:通过字典的形式，指定某些列需要转换的形式。