Python数据分析：Numpy与Pandas文件读取实战指南

前言

若使用Anaconda环境下的Jupyter Notebook，通常无需额外安装Pandas和Numpy库；若使用PyCharm等其他集成开发环境，则需手动安装Pandas和Numpy库。

一、Numpy库中的文件操作

1. 处理CSV文件

import numpy as np
a=np.random.randint(0,10,size=(3,4))
np.savetext("score.csv"，a，deliminter=",")

首先创建一个随机数组，利用deliminter指定分隔符，score为待读取的文件名。

或者采用以下写法：

import numpy as np
data=np.loadtxt("score.csv",delimiter=",",skiprows=1,dtype=str)

通过skiprows跳过首行，并设置dtype将读取数据类型指定为字符串。

2. 在PyCharm中处理CSV文件

import csv
with open("score.csv",'r')as fp:
reader=csv.reader(fp)
for x in reader:
     print(x)

使用reader作为迭代器进行读取。

3. 其他格式（如.npy文件）

import numpy as np
c=np.random.randint(0,10,size=(2,3))
np.save("文件名",c)
c1=np.load("文件名.npy")

二、Pandas库中的文件操作

1. 处理CSV文件

import pandas as pd
df=pd.read_csv("exl.csv")

或者采用以下写法：

import pandas as pd
pd.read_table("exl.csv",sep=',')

通过sep参数指定分隔符。

2. 从剪贴板读取数据

import pandas as pd
BS=pd.read_clipboard

3. 读取Excel或xlsx文件

import pandas as pd
df=read_excel("exl.xlsx")

三、补充说明

1. 常用路径操作

import osos.chdir()

在chdir()中指定目标文件目录，实现工作目录切换至文件所在路径。

2. Pandas中读取文件的常用函数

read_csv：从文件、URL或文件型对象加载带分隔符的数据，默认分隔符为逗号。

read_table：功能同上，但默认分隔符为制表符（\t）。

read_fwf：读取固定宽度列格式数据（无分隔符）。

read_clipboard：读取剪贴板中的数据。

read_excel：从Excel或xlsx文件中读取表格数据。

read_hdf：读取由Pandas生成的HDF5文件。

read_html：读取HTML文档中的所有表格。

read_json：读取JSON字符串中的数据。

read_msgpack：读取二进制格式编码的Pandas数据。

read_pickle：读取Python pickle格式中存储的任意对象。

read_sas：读取存储于SAS系统自定义格式中的SAS数据集。

read_sql：读取SQL查询结果并转换为Pandas DataFrame。

read_stata：读取Stata文件格式的数据集。

总结

本文介绍了Python数据分析中文件读取的详细方法，更多相关Python文件读取内容可搜索本站历史文章或继续浏览后续文章，感谢支持。