Anaconda：读取Excel数据之CSV格式

虽然有各种各样花里胡哨的分析工具，但是对数据存储来说，还是Excel大法好！前天介绍了如何从剪切板进行数据的读取，今天就来介绍一下Excel数据的读取。

图片来自网络，如侵删

csv\xls\xlsx

有表姐之称的HR小伙伴们应该都知道，Excel的数据有csv\xls\xlsx三种常见的数据格式，这三种格式可能在我们用Excel进行操作的时候看不出来太大的差别，但是如果用Python或者R读取的话，就有区别了。

1. xls和xlsx格式的文件是Microsoft excel电子表格的文件格式，xlsx的版本更高一些而言。

2. csv是最通用的一种文件格式，是文本文件，用记事本就能打开，是一种以逗号为分隔符号，将各字段列分离出的一种ASCII文件。

由于xls和xlsx在读取的时候经常会出现各种各样的问题，虽然有很多包都可以进行读取，但是效果都不是特别理想，因此，Excel文件的读取主要介绍csv格式的读取。

一般来说如果数据量不太大，使用剪切板读取的方法，数据量大的时候，请使用csv读取的方法就足够日常工作分析使用啦~

文件准备

第一步，进行文件的准备，还是之前剪切板读取教程中的示例数据，首先将Excel文件另存为csv格式和txt格式。

细心的小伙伴在另存的时候恐怕已经注意到了，不管是txt还是csv格式都会有两个存储的选项，这两这种模式是有一定的差别的，大家倒是不必过分纠结要另存为哪一个格式，因为，都会出现问题的，如果报错了请换一个试试就好了：在R语言中，CSV UTF-8(逗号分隔）会报错！！！Python中CSV（逗号分隔）会报错！！！

具体的原理咱也不需要知道了，只要记住如果出现了报错，换一个格式就可以了。

第二步，将这个文件的保存路径的名称修改为英文。

这不是必须的步骤，但是对于小白，我建议大家最好修改为英文，因为中文的文件路径名有可能会出现各种各样奇奇怪怪的问题，但是英文的文件名一般情况下是没有问题。保险起见，建议大家还是改一下，改个英文名称也不算太费劲，就当做复习英语了。

第三步，确定文件的路径。

可能大家在CSDN之类的地方看教程的时候看到这样很多教程中给到的代码是read_csv(file)，这个file到底是什么呢？其实就是文件的路径啦~

那么我要读取的文件的路径是什么呢？给大家一个简单的路径查看方法啦：

右键点击要查看的文件，查看文件的属性

属性中的“位置”这一栏就是文件的路径啦~

如图所示，我们在使用Python或者R读取文件路径的时候就是，文件路径需要输入的是红色框中的“位置\文件名”。如果还是不理解，记住这个图片红色框里面的内容，看接下来的教程代码就明白啦，举一反三就可以了哦~

R语言读取

R语言作为一个专为统计而生的语言，数据读取可谓是最最基本的功能啦，所以在R语言中csv文件的读取是比较简单的，这里的简单是指不需要引入程序包就可以处理的意思。

首先我们来看一下完整的代码：

data<-read.csv(file="文件路径名",header=T)

嗯对，没错，只有一行代码。但是！大家要注意了，只写这么一行代码很有可能报错！因为文件存储的位置可能和R语言默认的工作空间不一样！

什么是工作空间呢？大家可以简单的认为是R语言中默认的文件读取路径，只要在这个路径下就可以直接读取，如果不在这个路径下就需要稍微费一点功夫了，所以在使用R语言进行文件读取的时候，第一件事是务必要确认工作空间！

具体代码如上图所示

Python读取

Python中读取csv文件的方法有很多，出于数据分析角度的角度，接下来的很多内容都将基于pandas展开，故本教程只介绍pandas库下的csv文件读取方法，如果有兴趣的话可以随便百度一下其他读取方法。

首先先看一下完整的代码：

是的没错，在Python中读取csv文件的方法和读取剪切板文件的方法简直一毛一样，只是把pd.read_clipboard改成了pd.read_csv而已。

这里需要解释一下的是在文件路径（引号内容）之前有一个r，这个r的意思是只读。多数情况下，我们读取数据的时候并不希望对原始数据进行修改，所以只读的形式读取就可以啦~

总结

这一波读取CSV文件的PK中，R语言虽然代码简单，但是有工作空间的限制，稍微麻烦了一点，Python使用Pandas库的读取比R多用了一个引入pandas库的代码，本轮PK中算是两两平手吧~

本文系原创，首次发布于微信公众号：HR大数据