随着大数据时代的到来，各行各业的数据都呈现出了爆发性地增长。大数据在日常工作中的应用越来越多，大数据的价值日益凸显，日益受到企业的重视！

对大数据进行分析，就离不开专业化的分析工具，例如R、Python、SAS等。在这些众多的工具中，毫无疑问，Python是其中的佼佼者。具体而言，Python具有如下的几个优势：

当然了，Python也是有一定的缺点的！Python作为一门高级语言，其运行速度并不如C、C++这样的编程语言速度快！

使用Python，我们就要首先安装Python的IDE（集成开发环境）。这一选择，就有很多了，比如有Python默认的集成开发环境、Anaconda、Pycharm等。进行数据分析的话，Anaconda就是一个不错的集成开发环境。Anaconda这一集成开发环境，集成了近200个数据科学相关的第三方包，我们在使用的时候，只需要使用import调取相应的第三方包就可以了，非常便于我们进行数据分析工作！Anaconda的官方网站如下：

下载并安装好了Anaconda之后，我们就可以开始使用Python进行学习了！在Anaconda中，最为常用的代码编辑环境就是Jupyter Notebook了，其代码的编辑和运行都是在浏览器中进行的！其运行环境如下：

Jupyter Notebook具有如下特点：

下面我们介绍一下如何使用Jupyter Notebook：

多图预警！

除此之外，在使用Jupyter的过程中，我们还可以使用一些小的技巧，帮助我们更好的使用。

完成了这些基本的准备工作之后，我们就可以开始进行数据分析了！数据分析的第一步，当然是获取数据了。数据的获取方法有多种：可以从网络上爬取得来，可以是自己调研得来的，可以是第三方的数据，也可以是调研得来的！这些数据，往往存储在外部的数据源中，例如文本文件、Excel二进制文件、数据库文件中等！如果我们想利用Python进行数据分析，那么，我们需要首先将数据导入到Python中，因此，下面我们就介绍一下如何将外部的数据源导入到Python中！

在Python中，读取txt文本文件使用的是pandas模块下的read_table函数。这一函数的具体参数如下：

举个例子说明一下：

假设，我们要读取如下的txt文本文件：

我们还要做如下要求：

代码实现如下：

最后的效果：

csv文件是逗号分隔值文件，也是一种文本文件，因此也可以通过pd.read_table读取！不过，一般情况下，我们是使用pd.read_csv函数，其功能和pf.read_table基本一样，只不过readcsv的默认分隔符是逗号，而read_table的默认分割符是tab制表符！

在读取csv文件的时候，我们需要指定编码方式：

如果我们要读取的文件或路径中包含中文字符，那么，我们应该上engine="python"。如果文件格式是CSV UTF-8，那么编码格式要设置为utf-8-sig；如果文件格式是CSV格式，那么编码方式则gbk格式。举个例子：

读取Excel二进制文件，我们需要使用pandas模块下的read_excel函数。这一函数的具体参数如下：

举个例子，现在我们有如下的Excel文件，我们要将其读入到Python中。

具体要求如下：

代码如下：

效果如下：

代码要注意两点：

很多数据往往都是存储在数据库中的，比较常见的数据库就是SQL Server和MySQL了！如果，我们需要读取数据库中的文件到Python中，我们就需要使用pymysql和pymssql这两个模块了！

读取数据库文件，要分两步进行：

接下来，我以MySQL数据库为例，讲解一下（PS：SQL Server因为电脑上没有装，所以不介绍了，不过，大体上差不多！

第一步，连接MySql数据库：

这一步，要用到pymysql.connect函数。函数的参数如下：

在连接上了MySQL数据库以后，我们就要读取数据了。此时，我们需要用到的函数是pandas模块下的read_sql函数！这一函数的具体参数如下：

现在，让我们举个例子来说明一下！

第一步：连接MySQL数据库

第二步：读取数据库中的一张表

第三步：查看数据，观察是否读取成功

第四步：关闭链接

好了，现在就如何读取外部数据做个总结：

外部数据读取到Python中以后，我们就要开始进行数据处理！下一篇文章，我们就对此进行简单介绍！

参考资料：