python读取txt表格数据库_Python获取文本，EXCEL,mysql数据的方法

从文本文件读取数据的三种方式使用read,readline,readlins获取数据

获取文件对象:

file_object=open(name,mode,buffering)

name:要读取的文件名

mode:打开文件的模式，常用r、r+、w、w+、a、a+

buffering:文件所需的缓冲区大小，选填；0表示无缓冲，1表示线路缓冲

读取文件内容:

read：读取文件中的所有数据，返回字符串

readline：读取文件中的一行数据，返回字符串

readlines：读取文件中的所有数据，返回列表

with:文件打开方法

2.使用Numpy的loadtxt、load、fromfile获取数据

loadtxt:从txt中获取数据

loadtxt(name,dtype,delimiter)

name:文件名

dtype:数据类型

delimiter:分隔符

load:读取numpy专用的二进制文件,使用Numpy的load方法可以读取Numpy专用的二进制数据文件，从npy、npz或pickled文件加载数组或pickled对象，该文件通常基于Numpy的save或savez等方法产生

load(name)

fromfile:读取简单的文本和二进制文件,使用Numpy的fromfile方法可以读取简单的文本文件数据以及二进制数据。通常情况下，该方法读取的数据来源于Numpy的tofile方法，即通过Numpy的tofile方法将特定数据保存为文件(默认为二进制数据文件，无论文件扩展名如何定义)，然后通过fromfile方法读取该二进制文件。

fromfile(name,dtype,count,sep=“”)

name:文件名

dtype:数据类型

count:=-1意味着读取所有的数据

sep:分隔符

3．使用Pandas的read_csv、read_fwf、read_table读取数据

read_csv:读取csv的文件

read_fwf:通过read_fwf方法可以读取表格或固定宽度格式的文本行到数据框

read_table:通过read_table方法可以读取通用分隔符分隔的数据文件到数据框pandas其他数据读取方法各种场景下的数据读取方式

对于纯文本格式或非格式化、非结构化的数据，通常用于自然语言处理、非结构化文本解析、应用正则表达式等后续应用场景下，Python默认的3种方法更为适合。

对于结构化的、纯数值型的数据，并且主要用于矩阵计算、数据建模的，使用Numpy的loadtxt方法更为方便，例如本书中使用的sklearn本身就依赖于Numpy。

对于二进制的数据处理，使用Numpy的load和fromfile方法更为合适。

对于结构化的、探索性的数据统计和分析场景，使用Pandas方法进行读取效果更佳，因为其提供了类似于R的数据框，可以实现“仿SQL”式的操作方式，对数据进行任意翻转、切片(块等)、关联等都非常方便。

对于结构化的、数值型和文本型组合的数据统计分析场景，使用Pandas更为合适，因为每个数据框中几乎可以装载并处理任意格式的数据。

从Excel获取运营数据

demo.xlsx表内容

查看所有sheet列表

查看sheet1的数据情况

查看sheet特定切片数据

查看整个sheet数据

从关系型数据库MySQL读取运营数据