时间:2017年8月19日 天气:晴
Author:冬之晓:angry:
Email: 347916416@qq.com
下面主要使用pandas包里面的数据加载函数进行讲解。
读写文本格式数据
pandas的数据加载函数表格： |函数|说明| |-|-| |read_csv|从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为逗号| |read_table|从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为制表符(“\t”)| |read_fwf|读取定宽列格式数据(也就是说，没有分隔符)| |read_clipboard|读取剪切板中的数据，可以看做read_table的剪切板版。在将网页转换为表格时很有用| 下面说明read_csv常用参数作用： |参数名|作用| |-|-| |header|用作列名的行号。默认为0(第一行)，如果没有header行就应该设置为None| |names|用于结果的列名列表，结合header=None| |index_col|用作行索引的列编号或列名。可以是单个名称/数字或由多个名称/数字组成的列表(层次化索引)| |sep或delimiter|用于对行中各字段进行拆分的字符序列或正则表达式！| |path|表示文件系统位置、URL、文件型对象的字符串| |skiprows|需要忽略的行数(从文件开始出算起)，或需要跳过的行号列表(从0开始)| |na_values|一组用于替换NA的值| |comment|用于将注释信息从行尾拆分出去的字符(一个或多个)| |parse_dates|尝试将数据解析为日期，默认为False。如果为True，则尝试解析所有列。此外，还可以指定需要解析的一组列号或列名。如果列表的元素为列表或元组，就会将多个列组合到一起再进行日期解析工作(例如，日期/时间分别位于两个列中)| |keep_date_col|如果连接多列解析日期，则保持参与连接的列。默认为False| |converters|由列号/列名跟函数之间的映射关系组成的字典。例如：{‘foo’:f}会对foo列的所有值应用函数f| |dayfirst|当解析有歧义的日期时，将其看做国际格式(例如，8/6/2017→June8,2017)。默认为False| |date_parser|用于解析日期的函数| |nrows|需要读取的行数(从文件开始处算起)| |iterator|返回一个TextParser以便逐块读取文件| |chunksize|文件块的大小(用于迭代)| |skip_footer|需要忽略的行数(从文件末尾处算起)| |verbose|打印各种解析器输出信息，比如“非数值列中缺失值的数量”等| |encoding|用于unicode的文本编码格式。例如，”utf-8”表示用UTF-8编码的文本| |squeeze|如果数据经解析后仅含一列，则返回Series| |thousands|千分位分隔符，如“,”或“.”|
例如：
In [26]: %pwd
Out[26]: 'C:\\Users\\Administrator'
假设在’C:\Users\Administrator’路径下有文件’test.abc’以文本格式存储着：
x,y,z,tittle
1,2,3,aa
4,5,6,bb
7,8,9,cc
则可以这样读取：
In [27]: pd.read_csv('test.abc') #基本读取
Out[27]:
x y z tittle
0 1 2 3 aa
1 4 5 6 bb
2 7 8 9 cc
In [28]: pd.read_csv('test.abc',names=['x','y','z','tittle'],index_col='tittle')
Out[28]:
x y z
tittle
tittle x y z
aa 1 2 3
bb 4 5 6
cc 7 8 9
