继续深入学习pandas相关操作，数据读取写入、分组、合并，转换等等。前面一篇文章里已经写了关于描述性统计以及常用的基本操作。接下来的一段时间里，我将陆续地去掌握并输出。这篇文章是关于数据读取与写入的知识点。

平时工作中，我们会接触到不同的数据文件，比如很常见的excel文件(后缀名为xls和xlsx)，csv、txt等文本文件，json文件以及sql文件等等。pandas读取这些数据文件的方法如表格所示：

read_csv()方法用来读取 csv格式的数据文件，read_table()方法则是读取通用分隔符分隔的数据文件，它们的参数相同。语法：

参数说明：

先在当前工作目录下创建csv文件，如下图可以看到这个csv文件包含三列数据，列名为studentNo，name，age。使用read_csv将这三列数据读入到DataFrame。使用cat命令显示文件内容：

读取数据

当使用read_table()时，运行代码后出现一个Warning，使用的是最新的版本python3.7。根据提示，修改如截图： FutureWarning: read_table is deprecated, use read_csv instead, passing sep='\t'

使用to_csv()方法，可以将数据导出为逗号分隔的数据文件。详述省略。

python处理excel文件用到的模块包含openpyxl、xlsxwriter、xlutils、xlrd、xlwt。想要了解更多关于这几个处理excel文件的python包的详情，可以访问python-excel官网。因为我使用的是Anaconda，Anaconda已经默认安装了xlrd和xlwt等模块，故无需再使用pip去安装啦。

而Python的数据分析库pandas提供了read_excel函数来读取.xls和.xlsx两种excel文件。其中.xls是office excel 2007之前的版本默认保存的文件扩展名。而.xlsx是2007版本之后的。 有时一个excel文件会包含多个工作表，比如下面这个表格文有book和movie两个工作表。

通过pandas.read_excel方法读取excel文件，read_excel( )默认读取第一个工作表的，如果我想要读取movie这个工作表的话，就需要传参啦。

这时存储在表中的数据通过pandas.read_excel方法读取到DataFrame中啦，结果显示如下：

使用to_excel()方法，可以将数据存储到excel文件里。写入方法不详说了。

Python处理数据库时同样有第三方库，比如PyMySQL，SQLAlchemy等等，利用这些ORM库（ORM，全称object-relational mapping，即对象关系映射）可以实现对数据库的增删改查。而pandas实现数据库读取有3个方法，分别为read_sql，read_sql_table，read_sql_query。

read_sql_table只能读取数据库的某一个表格，不能实现查询的操作，而read_sql_query只能实现查询操作，不能直接读取数据库中的某个表，read_sql是两者的结合。语法：

参数说明：

这里使用的是SQLAlchemy库来建立数据库连接，需要数据库驱动使用的Python内置的SQLlite。对SQLite的简介如下：

SQLite是一个进程内的库，实现了自给自足的、无服务器的、零配置的、事务性的 SQL 数据库引擎。它是一个零配置的数据库，这意味着与其他数据库一样，您不需要在系统中配置。

将df写入数据库中取名为“student”的表，需要查看下是否有成功写入数据库，执行sql请求，获取所有数据。实现代码如下：

使用pandas的读取数据库方法来读取：

以上就是使用数据分析库pandas来读取写入不同数据文件的内容啦。