|
前文
数据清洗 —— Pandas 的简单使用方法
文章目录
前文Pandas 数据读取纯文本文件读取csv 文件读取Excel 文件读取MySQL 数据表读取
Pandas 数据读取
Pandas 需要先读取表格类型的数据，然后才能进行分析
数据类型说明Pandas 读取方法csv、tsv、txt用逗号分隔，tab 分割的纯文本文件pd.read_csvexcel微软 xls 或者 xlsx 文件pd.read_excelMySQL关系型数据库表pd.read_sql
纯文本文件读取
文件内容如下：  使用 pandas 将这些数据读取并打印出来
# author : Woo_home
# create_time : 2020/7/17 22:11
import pandas as pd
file_path = './demo.txt'
'''
file_path：文件路径
sep：分隔符
header 设置为 None 的意思是说这个文件没有标题行
names：自己设置列名
'''
data = pd.read_csv(file_path, sep=" ", header=None, names=['pdate','A','B','C','D'])
print(data)
输出结果：左侧的为索引 
csv 文件读取
csv 文件如下  ok，现在用 pandas 来操作这个文件
# author : Woo_home
# create_time : 2020/7/17 20:45
import pandas as pd
# 文件所在路径
file_path = './students.csv'
# 使用 pd.read_csv 读取文件
data = pd.read_csv(file_path)
# 打印前 5 行数据
print(data.head())
# 打印数据的形状，返回（行数，列数）
print(data.shape)
# 打印列名列表
print(data.columns)
# 打印索引列
print(data.index)
# 打印每列的数据类型
print(data.dtypes)
输出结果： 
Excel 文件读取
设置 Excel 文件内容如下：  使用 pandas 的 read_excel 方法读取 Excel 文件内容并打印出来，代码如下：
# author : Woo_home
# create_time : 2020/7/18 11:03
import pandas as pd
file_path = './demo.xlsx'
data = pd.read_excel(file_path)
print(data)
输出结果： 
MySQL 数据表读取
数据库表中的数据如下：  使用 pandas 的 pd.read_sql 读取表数据，但是该操作需要连接数据库，所以需要安装 pymysql 的一个库，安装命令很简单，pip install pymysql 即可
# author : Woo_home
# create_time : 2020/7/18 11:07
import pandas as pd
# 导入 pymysql
import pymysql
'''
host：主机名称
user：用户名
password：连接密码
database：选择你要连接的数据库名
charset：编码格式
'''
connection = pymysql.connect(
host = '',
user = '',
password = '',
database = 'student',
charset = 'utf8'
)
mysql_page = pd.read_sql("select * from user", con=connection)
print(mysql_page)
输出结果： 
|