csv ，TXT ，Excel 以及数据库的保存和读取

• 导入pandas numpy 模块

import numpy as np
import pandas as pd

1.csv文件的读取和保存

1.csv文件的读取

• chunksize=None 可以选择读取多少条

df = pd.read_csv('上课数据/ex1.csv',engine='python')   
df

2.让列索引变为第一行（header=None）

• engine=‘python’ 指定解释器
• sep=’,’ 指定分隔符

df = pd.read_csv('上课数据/ex1.csv',header=None,engine='python')   
df

3.修改列索引名称（names=[‘bb’,‘B’,‘C’,‘D’,‘Message’]）

df2 = pd.read_csv('out.csv',names=['bb','B','C','D','Message'],engine='python')   
df2

4.指定一列作为行索（index_col=‘Message’）

df2 = pd.read_csv('out.csv',names=['A','B','C','D','Message'],index_col='Message',engine='python')  
df2

5.保存成csv格式

• 若要列名称和行名称则改为True

df.to_csv('out.csv',header=False,index=False) # 不保存列名  行名

2.Excel文件的读取和保存

1.Excel文件的读取

• pd.read_excel(
  io,
  sheet_name=0,
  header=0,
  names=None,
  index_col=None,
  engine=None）
• io 代表文件路径
• sheet_name=1 代表excel表格下的工作表2
• header代表表头
• names代表列索名称可以修改
• index_col代表可以把某一列作为行索引
• engine代表指定解释器

df3 = pd.read_excel('上课数据/ex1.xlsx',sheet_name=1)
df3

2.保存成Excel格式

df3.to_excel('ex3.xlsx',index=False)

3.TXT文件的读取和保存

1.TXT文件的读取

• \s+这个分割符的意思是匹配前面空白字符一到多次，也可以用制表符\t

df4 = pd.read_table('out.txt',sep='\s+',engine='python')
df4

2.保存成TXT文件

df4.to_csv('out.txt',sep='\t')

4.html文件的读取

• 相当于从网页中爬取数据

df5 = pd.read_html('https://s.askci.com/stock/a/')[3]
df5

5.MySql数据库的读取和保存

• 导入模块

import pandas as pd
import pymysql
from sqlalchemy import create_engine

1.数据库的读取

• root 数据库的用户名
• 123456 数据库的密码
• localhost 本地的地址
• 3306 端口号
• 数据分析的名称的这个数据库
• 这个数据库下面的表user_profile

# 初始化连接
engine = create_engine('mysql+pymysql://root:123456@localhost:3306/数据分析')
# 查询语句
sql='''
select * from user_profile;
'''
df = pd.read_sql(sql,engine)
df

2.保存到数据库里面

• 1.先生成个DataFrame对象的表

data  = {
    'a':[1,2,3],
    'b':(4,5,6),
    'c':np.arange(7,10)
}
b = pd.DataFrame(data)
b

• 2.把这个表保存到数据库

engine = create_engine('mysql+pymysql://root:123456@localhost:3306/数据分析')
b.to_sql('df1',engine,index=False)