csv代表逗号分隔值,它定义为一种简单的文件格式,使用特定的结构来排列表格数据。它以纯文本格式存储表格数据,例如电子表格或数据库,并具有通用的数据交换格式。将csv文件打开到excel文件中,并且行和列数据定义标准格式。
将csv文件读入pandas DataFrame是快速而直接的。无涯教程不需要编写几行代码来打开,分析和读取Pandas中的csv文件。相反,可以在一行中执行这些操作,并将数据存储在DataFrame中。
为了读取Pandas文件,首先必须将数据从文件格式加载到DataFrame中。您只需要一行即可在代码中加载数据。
Name,Hire Date,Salary,Leaves Remaining John Idle,08/15/14,50000.00,10 Learnfk Gilliam,04/07/15,65000.00,6 Parker Chapman,02/21/14,45000.00,7 Jones Palin,10/14/13,70000.00,3 Terry Gilliam,07/22/14,48000.00,9 Michael Palin,06/28/13,66000.00,8
df = pd.read_csv('a.csv')
代码
import pandas df = pandas.read_csv('hrdata.csv') print(df)
在上面的代码中,三行代码足以读取文件,而其中只有一行正在执行实际工作,即pandas.read_csv()。
输出
Name Hire Date Salary Leaves Remaining 0 John Idle 08/15/14 50000.0 10 1 Learnfk Gilliam 04/07/15 65000.0 8 2 Parker Chapman 02/21/14 45000.0 10 3 Jones Palin 10/14/13 70000.0 3 4 Terry Gilliam 07/22/14 48000.0 7 5 Michael Palin 06/28/13 66000.0 8
如果您有任何JSON文件,Pandas可以通过单行代码轻松读取它。
df =pd.read_json('hrdata.json')
它允许索引通过嵌套工作。
Pandas将列表列表转换为DataFrame,还分别定义列名称。 JSON解析器负责将JSON文本转换为另一个表示形式,该表示形式必须根据JSON语法接受所有文本。它还可以接受非JSON形式或扩展名。
阅读之前,无涯教程必须导入 JSON 文件。
import pandas as pd data = pd.read_json('hrdata.json') print(data)
输出 strong>:
Name Hire Date Salary Leaves Remaining 0 John Idle 08/15/14 50000.0 10 1 Learnfk Gilliam 06/01/15 65000.0 6 2 Parker Chapman 05/12/14 45000.0 7 3 Jones Palin 11/01/13 70000.0 3 4 Terry Gilliam 08/12/14 48000.0 9 5 Michael Palin 05/23/13 66000.0 8
为了从SQL读取文件,首先,需要使用Python库建立连接,然后将查询传递给pandas。在这里,使用SQLite进行演示。
首先,必须安装 pysqlite3并在终端中运行此命令:
pip install pysqlite3
sqlite3 用于建立与数据库的连接,然后无涯教程可以使用它通过 SELECT 查询生成一个DataFrame。
建立与SQLite数据库文件的连接:
import sqlite3 con = sqlite3.connect("database.db")
SQLite数据库中存在一个名为 information 的表,该列的索引为" index"。通过传递 SELECT 查询和 con,无涯教程可以从信息表中读取数据。
df = pd.read_sql_query("SELECT * FROM information", con)
输出
Index E_id Designation 0 46 M.Com 1 47 B.Com 2 48 B.Com
祝学习愉快!(内容编辑有误?请选中要编辑内容 -> 右键 -> 修改 -> 提交!)