python数据导入pandas_python数据分析——pandas导入数据合集

导入pandas库

import pandas as pd

1.导入csv\txt文件数据

pd.read_csv()

常用参数：

filepath_or_buffer：文件路径(必填，其他参数按需求填写)

sep：指定分隔符，默认逗号','。

header：指定第几行作为表头。默认为0(即第1行作为表头)，若没有表头，需设置header=None，可以是int或list。

names：指定列的名称，用list表示，默认None。

index_col：指定行索引，可以是一列或多列，默认None。

usecols：需要读取的列，可以使用列序列也可以使用列名，默认None。

prefix：给列名添加前缀。如prefix=x,会出来X0,X1,....，默认None。

skiprows：需要忽略的行数(从文件开始处算起)，或需要跳过的行号列表(从0开始)，默认None。

skipfooter：需要忽略的行数(从最后一行开始算)

nrows：需要读取的行数(从文件头开始算起)，默认None。

encoding：编码方式，乱码时使用，默认None。

例1：导入文件data.csv中数据：

例2：导入文件data.txt中数据：

2.导入excel数据

pd.read_excel()

常用参数：

io：excel文件路径(必填，其他参数按需求填写)

sheet_name：需要导入数据的工作表表名,可以是int\string\list，None导入所有工作表数据，默认0。

参数header、names、index_col、usecols、skiprows、nrows、skip_footer、encoding的用法与pd.read_csv相同。

例：导入文件data.xlsx中数据：

3.导入mysql数据

方法一：使用pymysql

import pymysql

conn=pymysql.connect(host="服务器地址",port=端口,user="用户名",passwd="密码",db="数据库名")

sql="select * from 表名;"

df=pd.read_sql(sql,conn)

例：导入数据库test下cities表中数据

方法二：使用sqlalchemy

from sqlalchemy import create_engine

engine=create_engine('mysql+pymysql://用户名:密码@服务器地址:端口/数据库名')

sql='select * from 表名;'

df=pd.read_sql(sql,engine)

例：导入数据库test下cities表中数据

4.导入html表格数据

pd.read_html()#爬取table型网页数据,返回dataframe组成的list

常用参数：

io：目标网址

match：要匹配的正则表达式，默认'.+'。

flavor：解析器,默认None。

header：指定表头，默认None。

skiprows：跳过的行默认None。

attrs：属性，比如 attrs = {‘id’: ‘table’}。

parse_dates：解析日期，默认False。

encoding：编码方式，乱码时使用，默认None。

例：爬取财富中文网中2019年财富世界500强排行榜