📅 最后修改于: 2020-10-29 02:54:55 🧑 作者: Mango
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。我们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，我们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，首先我们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
Smith 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')
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，并且只有其中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 Smith 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
但是，Pandas 在DataFrame中也使用从零开始的整数索引。我们没有告诉它我们的索引应该是什么。
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，我们必须导入JSON文件。
import pandas as pd
data = pd.read_json('hrdata.json')
print(data)
输出：
Name Hire Date Salary Leaves Remaining
0 John Idle 08/15/14 50000.0 10
1 Smith 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，您需要使用Python库建立连接，然后将查询传递给pandas。在这里，我们使用SQLite进行演示。
首先，我们必须安装pysqlite3并在终端中运行以下命令：
pip install pysqlite3
sqlite3用于建立与数据库的连接，然后我们可以使用它通过SELECT查询生成DataFrame。
建立与SQLite数据库文件的连接：
import sqlite3
con = sqlite3.connect("database.db")
SQLite数据库中存在一个称为信息的表，该列的索引称为“索引”。我们可以通过传递SELECT查询和con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