05 pandas 文件操作

文章目录

  • 创建文件
  • 读取文件
    • 读取txt文件 read_csv
      • 人造表头
      • 索引
      • 跳过某行
      • 只显示某行
    • txt 与csv文件转换
    • 读取数据库
    • 读取excel

创建文件

import pandas as pd
path =r"C:/Users/Augustine/Desktop/us-countries/pandas.xlsx" # 'r'
Data=pd.DataFrame({'序号':[1,2,3],'姓名':['张三','赵四','王五']})
Data.to_excel(path)
print("创建成功")

05 pandas 文件操作_第1张图片

读取文件

读取txt文件 read_csv

read_csv 使用“逗号”作为分隔符
read_table 使用“制表符” 作为分隔符
pd.read_table(path,sep=‘,’) 将"逗号"设置为分隔符

import pandas as pd
path ="C:/Users/Augustine/Desktop/us-countries/test.txt"
Data_read=pd.read_csv(path)
print(Data_read)

05 pandas 文件操作_第2张图片

人造表头

header 和names要同时使用

import pandas as pd
path ="C:/Users/Augustine/Desktop/us-countries/test.txt"
Data_read=pd.read_csv(path,header=None,names=['性别','姓名','年龄','手机','地址','入职时间'])
print(Data_read)

05 pandas 文件操作_第3张图片

索引

import pandas as pd
path ="C:/Users/Augustine/Desktop/us-countries/test.txt"
Data_read=pd.read_csv(path,header=None,names=['性别','姓名','年龄','手机','地址','入职时间'],index_col=['入职时间'])
print(Data_read)

05 pandas 文件操作_第4张图片

跳过某行

skiprows 掠过某行

import pandas as pd
path ="C:/Users/Augustine/Desktop/us-countries/test.txt"
Data_read=pd.read_csv(path,header=None,names=['性别','姓名','年龄','手机','地址','入职时间'],index_col=['入职时间'],skiprows=[2,3])
print(Data_read)

只显示某行

nrows 只显示某几行

import pandas as pd
path ="C:/Users/Augustine/Desktop/us-countries/test.txt"
Data_read=pd.read_csv(path,header=None,names=['性别','姓名','年龄','手机','地址','入职时间'],index_col=['入职时间'],nrows=3)
print(Data_read)

05 pandas 文件操作_第5张图片

05 pandas 文件操作_第6张图片

txt 与csv文件转换

import pandas as pd
Data=pd.read_csv("C:/Users/Augustine/Desktop/us-countries/test.txt")
Data.to_csv("C:/Users/Augustine/Desktop/us-countries/test.csv")
print(Data)

05 pandas 文件操作_第7张图片05 pandas 文件操作_第8张图片

读取数据库

05 pandas 文件操作_第9张图片

读取excel

import pandas as pd
path ="C:/Users/Augustine/Desktop/us-countries/pandas.xlsx"
Data_read=pd.read_excel(path)
print(Data_read)
Data_read.to_excel(path) #将其写入


05 pandas 文件操作_第10张图片

你可能感兴趣的:(pandas,python,数据分析)