python 数据分析7 pandas数据输入与输出

系列文章：Python 数据分析

七、pandas 数据输入输出

输入输出通常可以划分为几个大类：读取文本文件和其他更高效的磁盘存储格式，加载数据库中的数据，利用Web API操作网络资源。

1、读写文本格式的数据

pandas提供了一些用于将表格型数据读取为DataFrame对象的函数。read_csv 和 read_table 用得最多。

逐块读取文本文件

只想读取文件的一小部分或逐块对文件进行迭代的情况：

只读几行（nrows）:

pd.read_csv('examples/ex6.csv', nrows=5)

逐块读取（chunksize）：

chunker = pd.read_csv('ch06/ex6.csv', chunksize=1000)

将数据写出到文本格式

数据也可以被输出为分隔符格式的文本。

写到以逗号分割的文件：

data = pd.read_csv('examples/ex5.csv')
data.to_csv('examples/out.csv')

使用其他分隔符（仅输出）：

import sys
data.to_csv(sys.stdout, sep='|')

缺失值在输出结果中会被表示为空字符串，可表示为其他：

data.to_csv(sys.stdout, na_rep='NULL')

禁用行和列的标签：

data.to_csv(sys.stdout, index=False, header=False)

以指定的顺序和列写出：

data.to_csv(sys.stdout, index=False, columns=['a', 'b', 'c'])

处理分隔符格式

直接使用Python内置的csv模块。将任意已打开的文件或文件型的对象传给 csv.reader：

reader = csv.reader(f, delimiter='|')

JSON数据

JSON（JavaScript Object Notation的简称）已经成为通过HTTP请求在Web浏览器和其他应用程序之间发送数据的标准格式之一。

json.loads：JSON->Python

import json
result = json.loads(obj)

json.dumps：Python->JSON

asjson = json.dumps(result)

pandas.read_json：JSON数组->Series/DataFrame（默认假设 JSON 数组中的每个对象是表格中的一行）

data = pd.read_json('examples/example.json')

to_json：pandas->JSON

data.to_json()

XML和HTML：Web信息收集

Python有许多可以读写常见的HTML和XML格式数据的库，包括lxml、Beautiful Soup和html5lib。lxml的速度比较快，但其它的库处理有误的HTML或XML文件更好。

pandas 有一个内置的功能，read_html，它可以使用 lxml 和 Beautiful Soup自动将 HTML 文件中的表格解析为 DataFrame 对象。

tables = pd.read_html('examples/fdic_failed_bank_list.html')

2、二进制数据格式

实现数据的高效二进制格式存储最简单的办法之一是使用Python内置的pickle序列化。pandas对象都有一个用于将数据以pickle格式保存到磁盘上的to_pickle方法：

frame = pd.read_csv('examples/ex1.csv')
frame.to_pickle('examples/frame_pickle')

你可以通过pickle直接读取被pickle化的数据，或是使用更为方便的pandas.read_pickle：

pd.read_pickle('examples/frame_pickle')

读取Microsoft Excel文件

pandas 的 ExcelFile 类或 pandas.read_excel 函数支持读取存储在Excel 2003（或更高版本）中的表格型数据。

xlsx = pd.ExcelFile('examples/ex1.xlsx') # 创建ExcelFile实例
pd.read_excel(xlsx, 'Sheet1') # 读取表单数据

# 也可以
frame = pd.read_excel('examples/ex1.xlsx', 'Sheet1')

将 pandas 数据写入为 Excel 格式，首先创建一个 ExcelWriter，然后使用pandas 对象的 to_excel 方法将数据写入：

writer = pd.ExcelWriter('examples/ex2.xlsx') # 创建ExcelWriter实例
frame.to_excel(writer, 'Sheet1') # 写入到表单
writer.save() 

# 也可以
frame.to_excel('examples/ex2.xlsx')