本文介绍了如何使用pandas的read_html()函数快速获取网站上的表格数据，并通过dropna()和drop()方法进行数据清洗，删除包含NaN的行或列，以及如何利用isnull()筛选和删除特定列的无效数据。最后讨论了如何保存处理后的数据到CSV文件。
pandas的read_html()函数是将HTML表转换为pandas内部的DataFrame类型的快速便捷的方法。更直白地说，对于专门写爬取表格的Python从业者来说， 此函数简直就是懒人一大利器，你无需重做轮子如何使用Cython去写一个table表格的解释器。因为Pandas底层基于lxml+numpy+openpyxl这些底层库做了高度的Cython优化。在本文中，笔者粗略地讲解pandas.read_html（）读取网上的表格和基本的数据格式化操作。
read_html()大法,好~!
直奔主题吧，当然你要给一个包含表格的网站url传递给read_html函数
read_html会返回这些表的DataFrame列表,即便整个网站有一个表也会包含在list中。因此需要访问具体的DataFrame，必须添加下标访问符，例如
df[0]如果需要查看当前网站有多少张表，使用Python默认的len函数查看就OK了。
最低0.47元/天 解锁文章
600
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
