作者 | CDA数据分析师
俗话说,巧妇难为无米之炊。不管你厨艺有多好,如果没有食材,也做不出香甜可口的饭菜来,所以想要做出饭菜来,首先要做的就是要买米买菜。而数据分析就好比是做饭,首先也应该是准备食材,也就是获取数据源。
一、导入外部数据
导入数据主要用到的是Pandas里的read_x()方法,x表示待导入文件的格式。
1、导入.xlsx文件
在Excel中导入.xlsx格式的文件时很简单的,双击打开就可以了。在Python中导入.xlsx文件的是read_excel()这种方法。
(1)基本导入
在导入文件的时候首先要指定文件的路径,也就是这个文件在电脑中的哪个文件夹下存放着。
电脑中的文件路径默认是使用\的,这个时候需要在路径前面加一个r(转义符)避免路径里面的\被转义。也可以不加转义符r,但是需要把路径里面所有的\转换成/,这个规则在导入其他格式文件的时候也是一样的,我们一般会选择在路径前面加转义符r。
(2)指定导入哪个Sheet
.xlsx格式的文件可以有很多个Sheet,你可以通过设定sheet_name参数来指定要导入哪个Sheet的文件。
除了可以指定具体Sheet的名字,还可以传入Sheet的顺序,从0开始计数。
如果不指定sheet_name参数的时候,那么默认导入的都是第一个sheet的文件。
(3)指定行索引
将本地文件导入DataFrame的时候,行索引使用的是从0 开始的默认索引,可以通过设置index_col参数来设置。
index_col表示用.xlsx文件中的第几列做行索引,从0 开始计数。
(4)指定列索引
将本地文件导入DataFrame的时候,默认使用的是源数据表的第一行作为列索引,也可以通过设置header参数来设置列索引。header参数值默认为0,即用第一行作为列索引;也可以是其他行,只需要传入具体的那一行即可;也可以使用默认从0开始的数作为列索引。
(5)指定导入列
有的时候本地文件的列数太多,而我们又不需要那么多列的时候,我们就可以通过设定usecols参数来指定要导入的列。