Python数据分析基础：使用Numpy与Pandas读取文件

前言：若使用Anaconda环境中的Jupyter Notebook，通常已预装Pandas和Numpy库，无需额外下载；若使用PyCharm或其他集成开发环境，则需手动安装Pands和Numpy库。

一、Numpy库中操作文件

1. 操作csv文件

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

示例：创建一个随机数组，使用deliminter参数指定分隔符，score为要保存的文件名。

或者

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

通过skiprows参数跳过第一行，设置dtype参数将读取的数据类型指定为字符型。

2. 在pycharm中操作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作为迭代器处理文件内容。

3. 其他情况（.npy类型文件）

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库中操作文件

1. 操作csv文件

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

或者

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

利用sep参数指定分隔符。

2. 从剪贴板上复制数据

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

1. 常用操作

import os
os.chdir()

在chdir()函数中写入目标目录路径，表示将当前工作目录切换至你想读取文件的目录。

2. pandas中读取文件的函数

• read_csv  ：从文件、URL或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：同上，但默认分隔符为制表符（tab）。
• read_fwf  ：读取定宽列格式数据（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 ：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系统自定义存储格式为SAS数据集。
• read_sql  ：读取SQL查询结果为pandas的DataFrame。
• read_stata ：读取stata文件格式的数据集。

总结

本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注本站的更多内容!