1）CSV文件讀取：

語法格式：pandas.read_csv(文件路徑)CSV文件內(nèi)容如下：

import pandas as pdfile_path = 'e:pandas_studytest.csv'content = pd.read_csv(file_path)content.head() # 默認返回前5行數(shù)據(jù)content.head(3) # 返回前3行數(shù)據(jù)content.shape # 返回一個元組（總行數(shù)，總列數(shù)），總行數(shù)不包括標題行content.index # 返回索引，是一個可迭代的對象<class ’pandas.core.indexes.range.RangeIndex’>content.column # 返回所有的列名 Index([’姓名’, ’年齡’, ’籍貫’], dtype=’object’)content.dtypes # 返回的是每列的數(shù)據(jù)類型姓名 object年齡 int64籍貫 objectdtype: object

2）CSV文件讀取：

語法格式：pandas.read_csv(文件路徑)CSV文件內(nèi)容如下：

import pandas as pdfile_path = 'e:pandas_studytest2.txt'content = pd.read_csv(file_path,sep=’t’,header = None ,names= [’name’,’age’,’adress’])#參數(shù)說明：# header = None 表示沒有標題行# sep=’t’ 表示去除分割符中的空格# names= [’name’,’age’,’adress’] ，列名依次自定義為’name’,’age’,’adress’content.head() # 默認返回前5行數(shù)據(jù)content.head(3) # 返回前3行數(shù)據(jù)content.shape # 返回一個元組（總行數(shù)，總列數(shù)），總行數(shù)不包括標題行content.index # 返回索引，是一個可迭代的對象<class ’pandas.core.indexes.range.RangeIndex’>content.column # 返回所有的列名 Index([’姓名’, ’年齡’, ’籍貫’], dtype=’object’)content.dtypes # 返回的是每列的數(shù)據(jù)類型三、excel文件讀取

import pandas as pdfile_path = 'e:pandas_studytest3.xlsx'content = pd.read_excel(file_path)content.head() # 默認返回前5行數(shù)據(jù)content.head(3) # 返回前3行數(shù)據(jù)content.shape # 返回一個元組（總行數(shù)，總列數(shù)），總行數(shù)不包括標題行content.index # 返回索引，是一個可迭代的對象<class ’pandas.core.indexes.range.RangeIndex’>content.column # 返回所有的列名 Index([’姓名’, ’年齡’, ’籍貫’], dtype=’object’)content.dtypes # 返回的是每列的數(shù)據(jù)類型姓名 object年齡 int64籍貫 objectdtype: object四、數(shù)據(jù)庫表格讀取

語法： pandas.read_sql(sql語句,數(shù)據(jù)庫連接對象)數(shù)據(jù)對象的創(chuàng)建，可以根據(jù)pymysql,cx_oracle等模塊連接mysql或者oracle。

到此這篇關于Python數(shù)據(jù)分析之pandas讀取數(shù)據(jù)的文章就介紹到這了,更多相關pandas讀取數(shù)據(jù)內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持好吧啦網(wǎng)！