python处理数据文件第一步是要读取数据,文件类型主要包括文本文件(csv、txt等)、excel文件、数据库文件、api等。
下面整理下python有哪些方式可以读取数据文件。
1. python内置方法(read、readline、readlines)read(): 一次性读取整个文件内容。推荐使用read(size)方法,size越大运行时间越长
readline() :每次读取一行内容。内存不够时使用,一般不太用
readlines() :一次性读取整个文件内容,并按行返回到list,方便我们遍历
2. 内置模块(csv)
python内置了csv模块用于读写csv文件,csv是一种逗号分隔符文件,是数据科学中最常见的数据存储格式之一。 csv模块能轻松完成各种体量数据的读写操作,当然大数据量需要代码层面的优化。csv模块读取文件
# 读取csv文件
import csv
with open('test.csv','r') as myFile:
lines=csv.reader(myFile)
for line in lines:
print (line)csv模块写入文件
import csv
with open('test.csv','w+') as myFile:
myWriter=csv.writer(myFile)
# writerrow一行一行写入
myWriter.writerow([7,8,9])
myWriter.writerow([8,'h','f'])
# writerow多行写入
myList=[[1,2,3],[4,5,6]]
myWriter.writerows(myList)
3. 使用numpy库(loadtxt、load、fromfile)loadtxt方法
loadtxt用来读取文本文件(包含txt、csv等)以及.gz 或.bz2格式压缩文件,前提是文件数据每一行必须要有数量相同的值。
import numpy as np
# loadtxt()中的dtype参数默认设置为float
# 这里设置为str字符串便于显示
np.loadtxt('test.csv',dtype=str)
# out:array(['1,2,3', '4,5,6', '7,8,9'], dtype='
load用来读取numpy专用的.npy, .npz 或者pickled持久化文件。
import numpy as np
# 先生成npy文件
np.save('test.npy', np.array([[1, 2, 3], [4, 5, 6]]))
# 使用load加载npy文件
np.load('test.npy')
'''out:array([[1, 2, 3],[4, 5, 6]])'''fromfile方法
fromfile方法可以读取简单的文本数据或二进制数据,数据来源于tofile方法保存的二进制数据。读取数据时需要用户指定元素类型,并对数组的形状进行适当的修改。
import numpy as np
x = np.arange(9).reshape(3,3)
x.tofile('test.bin')
np.fromfile('test.bin',dtype=np.int)
# out:array([0, 1, 2, 3, 4, 5, 6, 7, 8])
4. 使用pandas库(read_csv、read_excel等)
pandas是数据处理最常用的分析库之一,可以读取各种各样格式的数据文件,一般输出dataframe格式。 如:txt、csv、excel、json、剪切板、数据库、html、hdf、parquet、pickled文件、sas、stata等等read_csv方法
read_csv方法用来读取csv格式文件,输出dataframe格式。
import pandas as pd
pd.read_csv('test.csv')read_excel方法
读取excel文件,包括xlsx、xls、xlsm格式
import pandas as pd
pd.read_excel('test.xlsx')read_table方法
通过对sep参数(分隔符)的控制来对任何文本文件读取
read_json方法
读取json格式文件
df = pd.DataFrame([['a', 'b'], ['c', 'd']],index=['row 1', 'row 2'],columns=['col 1', 'col 2'])
j = df.to_json(orient='split')
pd.read_json(j,orient='split')read_html方法
读取html表格
read_clipboard方法
读取剪切板内容
read_pickle方法
读取plckled持久化文件
read_sql方法
读取数据库数据,连接好数据库后,传入sql语句即可
read_dhf方法
读取hdf5文件,适合大文件读取
read_parquet方法
读取parquet文件
read_sas方法
读取sas文件
read_stata方法
读取stata文件
read_gbq方法
读取google bigquery数据
5、读写excel文件(xlrd、xlwt、openpyxl等)
python用于读写excel文件的库有很多,除了前面提到的pandas,还有xlrd、xlwt、openpyxl、xlwings等等。
主要模块:xlrd库: 从excel中读取数据,支持xls、xlsx
xlwt库: 对excel进行修改操作,不支持对xlsx格式的修改
xlutils库: 在xlw和xlrd中,对一个已存在的文件进行修改
openpyxl: 主要针对xlsx格式的excel进行读取和编辑
xlwings: 对xlsx、xls、xlsm格式文件进行读写、格式修改等操作
xlsxwriter: 用来生成excel表格,插入数据、插入图标等表格操作,不支持读取
Microsoft Excel API: 需安装pywin32,直接与Excel进程通信,可以做任何在Excel里可以做的事情,但比较慢
6. 操作数据库(pymysql、cx_Oracle等)
python几乎支持对所有数据库的交互,连接数据库后,可以使用sql语句进行增删改查。
主要模块:pymysql: 用于和mysql数据库的交互
sqlalchemy: 用于和mysql数据库的交互
cx_Oracle: 用于和oracle数据库的交互
sqlite3: 内置库,用于和sqlite数据库的交互
pymssql: 用于和sql server数据库的交互
pymongo: 用于和mongodb非关系型数据库的交互
redis、pyredis: 用于和redis非关系型数据库的交互
关于如何使用python连接mysql: