python数据分析：数据拆分，数据合并，数据筛选

#基于Python的数据分析
#1：为什么要进行数据分析
#简答：人工智能、大数据等数据的采集需要数据----数据通过Python分析
# 而来------进行数据的清洗操作-----建立数据模型Model------生成一个目标数据
#-----通过目标数据----预测未来----得到结果

#：2 企业数据存在的形成
#（1）：存在于 “文件 ” 例如：excel word csv txt…
# (2):数据库 例如：mysql Oracle DB2 SQLserver…
#：3:数据解析 之 read_table read_excel

(1):在数据分析里面分析读取文本数据用 ：
from pandas import read_table
read_table —也可以快速的读取大数据、海量数据、
人工智能的数据集
from pandas import read_excel
read_excel----是指定读取excel类型的数据。
传统的大数据开发就是在excel里面进行数据分析，所excel
方法可以处理大数据库~
（2）：在以上2个方法里面。可以通过names属性给列起名称，方便数据的读取！
通过sep分隔数据！
(3):导入csv文件类型

i:处理数据的编码格式的方法
通过EditsPlus 或者 UE开发工具可以进行编码的切换！—开发天天使用。
思考？老师可以利用代码转码，----提问？如果有1000万 10亿条数据呢？
对于大数据的数据集不能利用转码的代码机制去直接转码，这样导致服务器、
数据等发生异常情况！----建议使用第三方工具直接操作数据集—面试问！
ii:
from pandas import read_csv
导入csv的文件需要通过 read_csv
思考？csv 和 word excel wps、txt等哪个处理数据集更好？
#CSv自身可以处理编码问题
pd8=read_csv(‘d:/pythondata01/1.csv’,encoding=‘utf-8’)
#总结： read_table /excel/csv 等，全部返回值是DataFrame类型
#:导包的/导模块的区别
from pandas import DataFrame#建议用什么module导入什么模块即可！
import pandas as pd#导入的是pnadas里面的所有module，Python解析器解析速度慢，在工作里面编码规范不要求这样大量写

iii: #导出数据
df.to_csv(‘d:/pythondata01/hello.csv’)
#思考？此代码除了将数据导出之外，还有什么特性？to_csv可以自动创建文件
还有什么特性？
df.to_csv(‘d:/pythondata01/mysql.csv’)

备注：to_csv 不仅仅可以自动创建数据文件，也可以将手动创建的文件，通过数据存放到文件里面！
建议大量使用！安全、数据维护简单！
(4):

    df.to_csv('d:/pythondata01/hello.txt') #导出txt
#导出数据