本文概述
从CSV文件读取
csv代表逗号分隔值, 它定义为一种简单的文件格式, 使用特定的结构来排列表格数据。它以纯文本格式存储表格数据, 例如电子表格或数据库, 并具有通用的数据交换格式。将csv文件打开到excel文件中, 并且行和列数据定义标准格式。
将csv文件读入pandas DataFrame是快速而直接的。我们不需要编写几行代码来打开, 分析和读取Pandas中的csv文件。相反, 我们可以在一行中执行这些操作, 并将数据存储在DataFrame中。
为了读取Pandas文件, 首先我们必须将数据从文件格式加载到DataFrame中。你只需要一行即可在代码中加载数据。
Name, Hire Date, Salary, Leaves Remaining
John Idle, 08/15/14, 50000.00, 10
Smith Gilliam, 04/07/15, 65000.00, 6
Parker Chapman, 02/21/14, 45000.00, 7
Jones Palin, 10/14/13, 70000.00, 3
Terry Gilliam, 07/22/14, 48000.00, 9
Michael Palin, 06/28/13, 66000.00, 8
df = pd.read_csv('a.csv')
代码
import pandas
df = pandas.read_csv('hrdata.csv')
print(df)
在上面的代码中, 三行代码足以读取文件, 而其中只有一行正在执行实际工作, 即pandas.read_csv()。
输出
Name Hire Date Salary Leaves Remaining
0 John Idle 08/15/14 50000.0 10
1 Smith Gilliam 04/07/15 65000.0 8
2 Parker Chapman 02/21/14 45000.0 10
3 Jones Palin 10/14/13 70000.0 3
4 Terry Gilliam 07/22/14 48000.0 7
5 Michael Palin 06/28/13 66000.0 8
但是, Pandas在DataFrame中也使用从零开始的整数索引。我们没有告诉它我们的索引应该是什么。
从JSON读取
如果你有任何JSON文件, Pandas可以通过单行代码轻松读取它。
df =pd.read_json('hrdata.json')
它允许索引通过嵌套工作。
Pandas将列表列表转换为DataFrame, 还分别定义列名称。 JSON解析器负责将JSON文本转换为另一个表示形式, 该表示形式必须根据JSON语法接受所有文本。它还可以接受非JSON形式或扩展名。
阅读之前, 我们必须导入JSON文件。
import pandas as pd
data = pd.read_json('hrdata.json')
print(data)
输出
Name Hire Date Salary Leaves Remaining
0 John Idle 08/15/14 50000.0 10
1 Smith Gilliam 06/01/15 65000.0 6
2 Parker Chapman 05/12/14 45000.0 7
3 Jones Palin 11/01/13 70000.0 3
4 Terry Gilliam 08/12/14 48000.0 9
5 Michael Palin 05/23/13 66000.0 8
从SQL数据库读取
为了从SQL读取文件, 首先, 你需要使用Python库建立连接, 然后将查询传递给pandas。在这里, 我们使用SQLite进行演示。
首先, 我们必须安装pysqlite3并在终端中运行以下命令:
pip install pysqlite3
sqlite3用于建立与数据库的连接, 然后我们可以使用它通过SELECT查询生成一个DataFrame。
建立与SQLite数据库文件的连接:
import sqlite3
con = sqlite3.connect("database.db")
SQLite数据库中存在一个称为信息的表, 该列的索引称为”索引”。我们可以通过传递SELECT查询和con从信息表中读取数据。
df = pd.read_sql_query("SELECT * FROM information", con)
输出
Index E_id Designation
0 46 M.Com
1 47 B.Com
2 48 B.Com
来源:
https://www.srcmini02.com/31005.html