预览图片：

下面将从文件的角度来记录文件的读写操作。（个人理解，请指正）

通用流程

1. 导入库 import pandas as pd
2. 找到文件所在位置（绝对路径 = 全称）（相对路径 = 和程序在同一个文件夹中的路径的简称）
3. 变量名 = pd.读写操作方法（文件路径，具体的筛选条件，……）

pandas文件读取

读.csv文件

import pandas as pd
data_path =r"F:\joyful-pandas-master\data\my_csv.csv"
data = pd.read_csv(data_path)
print(data)

原文件：

读取结果：

   col1 col2  col3    col4      col5
0     2    a   1.4   apple  2020/1/1
1     3    b   3.4  banana  2020/1/2
2     6    c   2.5  orange  2020/1/5
3     5    d   3.2   lemon  2020/1/7

#解释：这里在确定文件位置时，用到了r" "，这样就不会发生程序上歧义了。
显然直接读取之后，发现文件的第一列作为了表头，如果不希望这样，需要加限定条件：header = None

import pandas as pd

data_path =r"F:\joyful-pandas-master\data\my_csv.csv"
data = pd.read_csv(data_path, header=None)

print(data)

运行结果：

      0     1     2       3         4
0  col1  col2  col3    col4      col5
1     2     a   1.4   apple  2020/1/1
2     3     b   3.4  banana  2020/1/2
3     6     c   2.5  orange  2020/1/5
4     5     d   3.2   lemon  2020/1/7

如果我们想把某一列作为索引下标，则使用：
index_col = [ 下标_列（作为下标的列） ]

import pandas as pd

data_path =r"F:\joyful-pandas-master\data\my_csv.csv"
data = pd.read_csv(data_path, index_col=["col2", "col4"])

print(data)

运行结果：

             col1  col3      col5  --》作为表头的列
col2 col4                        
a    apple      2   1.4  2020/1/1
b    banana     3   3.4  2020/1/2
c    orange     6   2.5  2020/1/5
d    lemon      5   3.2  2020/1/7
【选出来作为下标的列】

如果要单独文件中的某几列（而非全部信息），则使用：
usecols = [ 使用(哪几)列 ]

import pandas as pd

data_path =r"F:\joyful-pandas-master\data\my_csv.csv"
data = pd.read_csv(data_path, usecols=["col2", "col4"])

print(data)

运行结果：

 		  col2    col4  表头元素
0    		a   apple
1    		b  banana
2   		c  orange
3  	 		d   lemon
下标	     内容

如果要把时间字符串变成真正的时间，则需要让时间字符串所在的列，提出来放入 parse_dates中： parse_dates=[时间字符串所在的列名]

import pandas as pd

data_path =r"F:\joyful-pandas-master\data\my_csv.csv"
data = pd.read_csv(data_path, parse_dates=["col5"])

print(data)

运行结果：

   col1 col2  col3    col4       col5
0     2    a   1.4   apple 		2020-01-01
1     3    b   3.4  banana 		2020-01-02
2     6    c   2.5  orange 		2020-01-05
3     5    d   3.2   lemon 		2020-01-07
原本col5中时间字符串，通过这种操作，把它变成了时间。

如果指定读取几行数据，则用 nrows=要读取的行数
注意：这里指的是文件读取过程，而不是从已读取的文件中选择某几行。

import pandas as pd

data_path =r"F:\joyful-pandas-master\data\my_csv.csv"
data = pd.read_csv(data_path, nrows=2)

print(data)

运行结果：

   col1 col2  col3    col4      col5
0     2    a   1.4   apple  2020/1/1
1     3    b   3.4  banana  2020/1/2

读.txt文件

变量名 = pd.read_table(文件路径\文件名)

import pandas as pd

data_path =r"F:\joyful-pandas-master\data\my_table.txt"
data = pd.read_table(data_path)

print(data)

原文件数据：

运行结果：

   col1 col2  col3             col4
0     2    a   1.4   apple 2020/1/1
1     3    b   3.4  banana 2020/1/2
2     6    c   2.5  orange 2020/1/5
3     5    d   3.2   lemon 2020/1/7

如果要用read_csv(）读取txt文件，需要进行分割符设置。

# 不设置分割符
data = pd.read_csv(data_path)
print(data)
运行结果：
       col1\tcol2\tcol3\tcol4
0   2\ta\t1.4\tapple 2020/1/1
1  3\tb\t3.4\tbanana 2020/1/2
2  6\tc\t2.5\torange 2020/1/5
3   5\td\t3.2\tlemon 2020/1/7

设置分割符：sep = “分割条件”，常见的是空格分割：sep = "\t"
sep = separate（分割）

# 设置分隔符
data = pd.read_csv(data_path, sep="\t")
print(data)
运行结果：
   col1 col2  col3             col4
0     2    a   1.4   apple 2020/1/1
1     3    b   3.4  banana 2020/1/2
2     6    c   2.5  orange 2020/1/5
3     5    d   3.2   lemon 2020/1/7

特殊的分割方式，sep = “正则表达筛选条件”，此时需要设置，引擎方式（engine=“python”）
比如：

data = pd.read_table(data_path, sep="\|"*4, engine="python")
print(data)
运行结果：
  col1                 col2
0   TS    This is an apple.
1   GQ      My name is Bob.
2   WT           Well done!
3   PT      May I help you?

如果不设置分割方式：

data = pd.read_table(data_path, engine="python")
print(data)
运行结果：
              col1 |||| col2
0  TS |||| This is an apple.
1    GQ |||| My name is Bob.
2         WT |||| Well done!
3    PT |||| May I help you?

如果不设置引擎方式（保留分割方式）

data = pd.read_table(data_path, sep="\|"*4)
print(data)
运行结果：
ParserWarning：会有警告提示
Falling back to the 'python' engine because the 'c' engine does not support regex separators (separators > 1 char and different from '\s+' are interpreted as regex); you can avoid this warning by specifying engine='python'.return read_csv(**locals())
  col1                 col2
0   TS    This is an apple.
1   GQ      My name is Bob.
2   WT           Well done!
3   PT      May I help you?

如果以上两个都没有：

data = pd.read_table(data_path)
print(data)
运行结果：
              col1 |||| col2
0  TS |||| This is an apple.
1    GQ |||| My name is Bob.
2         WT |||| Well done!
3    PT |||| May I help you?

需要加入某些限定条件进行筛选，类似于read_csv()方法限定条件设置。

读.excel文件

变量名 = pd.read_excel(文件路径\文件名)

import pandas as pd

data_path =r"F:\joyful-pandas-master\data\my_excel.xlsx"
data = pd.read_excel(data_path)

print(data)

运行结果：

   col1 col2  col3    col4      col5
0     2    a   1.4   apple  2020/1/1
1     3    b   3.4  banana  2020/1/2
2     6    c   2.5  orange  2020/1/5
3     5    d   3.2   lemon  2020/1/7

文件读取限定条件，同上

pandas文件写入

写.csv文件

变量名.to_csv(文件路径+文件名， index = 通常设置成False)

import pandas as pd

data_read_path =r"F:\joyful-pandas-master\data\my_csv.csv"
data_write_path = r"F:\joyful-pandas-master\data\my_csv_saved.csv"

data = pd.read_csv(data_read_path)
data.to_csv(data_write_path, index=False) # 此时不能打开被写的文件

data.to_csv(data_write_path, index=False)
把data中的数据 ，写入到data_write_path 中，且设置去除索引操作。

写.txt文件

写txt文件使用的是：
.to_csv(）方法
记得设置分割方式：sep

data.to_csv('data/my_txt_saved.txt', sep='\t', index=False)

写.excel文件

data.to_excel('data/my_excel_saved.xlsx', index=False)

把表格快速转换为 markdown 和 latex 语言

1. 先安装tabulate库
2. 表格文件名.to_markdown() 或者 表格文件名…to_latex()

我们的数据大部分存在于文件当中，所以pandas会支持复杂的IO操作，pandas的API支持众多的文件格式，如CSV、SQL、XLS、JSON、HDF5。

一、Excel

1.1 read_excel

• pandas.read_excel（filepath，sheet_name = 0，header = 0，names = None，index_col = None，usecols = None）
  • filepath:字符串，文件的路径对象。
• sheet_name：None、string、int、字符串列表或整数列表，默认为0。字符串用于工作表名称,整数用于零索引工作表位置,字符串列表或整数列表用于请求多个工作表，为None时获取所有工作表。

值	对应操作
sheet_name=0	第一张作为DataFrame
sheet_name=1	第二张作为DataFrame
sheet_name=“Sheet1”	第一张作DataFrame
sheet_name=[0,1,‘Sheet5’]	第1页，第2页和第5页作为DataFrames的字典。

• header：指定作为列名的行，默认0，即取第一行的值为列名。数据为列名行以下的数据；若数据不含列名，则设定 header = None。
• names：默认为None，要使用的列名列表，如不包含标题行，应显示传递header=None。
• usecols：int或list，默认为None。
  • 如果为None则解析所有列
  • 如果为int则表示要解析的最后一列
  • 如果为int列表则表示要解析的列号列表
  • 如果字符串则表示以逗号分隔的Excel列字母和列范围列表（例如“A：E”或“A，C，E：F”）。范围包括双方。

#如果报xlrd错误就安装这个包  pip install xlrd
data=pd.read_excel('data/2019.01.xlsx',sheetname='酒店订单')
data.head()

                        订单号        入住日期        离店日期        房间数
0    114311622368512    2019-02-01    2019-02-02    1
1    114311066222592    2019-01-31    2019-02-01    1
2    114311045054464    2019-01-31    2019-02-01    1
3    114311030996992    2019-01-31    2019-02-01    1
4    114310813687040    2019-01-31    2019-02-01    1

1.2 to_excel

• DataFrame.to_excel(file_path, sheet_name=‘Sheet1’, na_rep=’’, columns=None, header=True, index=True)

  • file_path :文件路径

  • sheet_name :sheet名，默认为"Sheet1"

  • columns :选择需要的列索引

  • header :boolean or list of string, default True,是否写进列索引值

  • index:是否写进行索引

#由于有中文字符,需要安装xlsxwriter   pip install xlsxwriter
data.to_excel('data/test.xlsx',engine='xlsxwriter',sheet_name='sheet2')

二、CSV

2.1 read_csv

• pandas.read_csv(filepath_or_buffer, sep =’,’ )
  • filepath_or_buffer:文件路径
  • usecols:指定读取的列名，列表形式

读取之前的股票的数据

# 读取文件,并且指定只获取'open', 'close'指标
data = pd.read_csv("./data/stock_day.csv", usecols=['open', 'close'])

            open    high    close
2018-02-27    23.53    25.88    24.16
2018-02-26    22.80    23.78    23.53
2018-02-23    22.88    23.37    22.82
2018-02-22    22.25    22.76    22.28
2018-02-14    21.49    21.99    21.92

2.2 to_csv

• DataFrame.to_csv(path_or_buf=None, sep=’, ’, columns=None, header=True, index=True, mode=‘w’, encoding=None)
  • path_or_buf :文件路径
  • sep :分隔符，默认用","隔开
  • columns :选择需要的列索引
  • header :boolean or list of string, default True,是否写进列索引值
  • index:是否写进行索引
  • mode:‘w’：重写, ‘a’ 追加

2.3 案例

• 保存’open’列的数据

# 选取10行数据保存,便于观察数据
data[:10].to_csv("./data/test.csv", columns=['open'])

• 读取，查看结果

pd.read_csv("./data/test.csv")

     Unnamed: 0    open
0    2018-02-27    23.53
1    2018-02-26    22.80
2    2018-02-23    22.88
3    2018-02-22    22.25
4    2018-02-14    21.49
5    2018-02-13    21.40
6    2018-02-12    20.70
7    2018-02-09    21.20
8    2018-02-08    21.79
9    2018-02-07    22.69

会发现将索引存入到文件当中，变成单独的一列数据。如果需要删除，可以指定index参数,删除原来的文件，重新保存一次。

# index:存储不会讲索引值变成一列数据
data[:10].to_csv("./data/test.csv", columns=['open'], index=False)

三、HDF5

3.1 read_hdf与to_hdf

HDF5文件的读取和存储需要指定一个键，值为要存储的DataFrame

• pandas.read_hdf(path_or_buf，key =None，** kwargs)

• 从h5文件当中读取数据

  • path_or_buffer:文件路径
  • key:读取的键
  • return:Theselected object

• DataFrame.to_hdf(path_or_buf, key, \kwargs)

3.2 案例

• 读取文件

day_eps_ttm = pd.read_hdf("./data/stock_data/day/day_eps_ttm.h5")

• 存储文件

day_eps_ttm.to_hdf("./data/test.h5", key="day_eps_ttm")

再次读取的时候, 需要指定键的名字

new_eps = pd.read_hdf("./data/test.h5", key="day_eps_ttm")

四、JSON

JSON是我们常用的一种数据交换格式，前面在前后端的交互经常用到，也会在存储的时候选择这种格式。所以我们需要知道Pandas如何进行读取和存储JSON格式。

4.1 read_json

pandas.read_json(path_or_buf=None, orient=None, typ=‘frame’, lines=False)

4.2 read_josn 案例

• 读取

orient指定存储的json格式，lines指定按照行去变成一个样本

json_read = pd.read_json("./data/Sarcasm_Headlines_Dataset.json", orient="records", lines=True)

结果为：

4.3 to_json

• DataFrame.to_json(path_or_buf=None, orient=None, lines=False)
  • 将Pandas 对象存储为json格式
  • path_or_buf=None：文件地址
  • orient:存储的json形式，{‘split’,’records’,’index’,’columns’,’values’}
  • lines:一个对象存储为一行

4.4 案例

• 存储文件

json_read.to_json("./data/test.json", orient='records')

结果

[{"article_link":"https:\/\/www.huffingtonpost.com\/entry\/versace-black-code_us_5861fbefe4b0de3a08f600d5","headline":"former versace store clerk sues over secret 'black code' for minority shoppers","is_sarcastic":0},{"article_link":"https:\/\/www.huffingtonpost.com\/entry\/roseanne-revival-review_us_5ab3a497e4b054d118e04365","headline":"the 'roseanne' revival catches up to our thorny political mood, for better and worse","is_sarcastic":0},{"article_link":"https:\/\/local.theonion.com\/mom-starting-to-fear-son-s-web-series-closest-thing-she-1819576697","headline":"mom starting to fear son's web series closest thing she will have to grandchild","is_sarcastic":1},{"article_link":"https:\/\/politics.theonion.com\/boehner-just-wants-wife-to-listen-not-come-up-with-alt-1819574302","headline":"boehner just wants wife to listen, not come up with alternative debt-reduction ideas","is_sarcastic":1},{"article_link":"https:\/\/www.huffingtonpost.com\/entry\/jk-rowling-wishes-snape-happy-birthday_us_569117c4e4b0cad15e64fdcb","headline":"j.k. rowling wishes snape happy birthday in the most magical way","is_sarcastic":0},{"article_link":"https:\/\/www.huffingtonpost.com\/entry\/advancing-the-worlds-women_b_6810038.html","headline":"advancing the world's women","is_sarcastic":0},....]

• 修改lines参数为True

json_read.to_json("./data/test.json", orient='records', lines=True)

结果

{"article_link":"https:\/\/www.huffingtonpost.com\/entry\/versace-black-code_us_5861fbefe4b0de3a08f600d5","headline":"former versace store clerk sues over secret 'black code' for minority shoppers","is_sarcastic":0}
{"article_link":"https:\/\/www.huffingtonpost.com\/entry\/roseanne-revival-review_us_5ab3a497e4b054d118e04365","headline":"the 'roseanne' revival catches up to our thorny political mood, for better and worse","is_sarcastic":0}
{"article_link":"https:\/\/local.theonion.com\/mom-starting-to-fear-son-s-web-series-closest-thing-she-1819576697","headline":"mom starting to fear son's web series closest thing she will have to grandchild","is_sarcastic":1}
{"article_link":"https:\/\/politics.theonion.com\/boehner-just-wants-wife-to-listen-not-come-up-with-alt-1819574302","headline":"boehner just wants wife to listen, not come up with alternative debt-reduction ideas","is_sarcastic":1}
{"article_link":"https:\/\/www.huffingtonpost.com\/entry\/jk-rowling-wishes-snape-happy-birthday_us_569117c4e4b0cad15e64fdcb","headline":"j.k. rowling wishes snape happy birthday in the most magical way","is_sarcastic":0}...

五、拓展

优先选择使用HDF5文件存储

• HDF5在存储的时候支持压缩，使用的方式是blosc，这个是速度最快的也是pandas默认支持的
• 使用压缩可以提磁盘利用率，节省空间
• HDF5还是跨平台的，可以轻松迁移到hadoop 上面

pandas 文件读取与配置

安装pandas

pip install pandas

运行jupyter

jupyter notebook

查看pandas版本号

import pandas as pd
pd.__version__

file_path=r"C:\Users\liangsh\Desktop\flaskdemo2\dash_jianshu\indicators.csv"```

```python
#使用pandas 读取CSV文件，指定字符集编码

df = pd.read_csv(file_path,encoding="utf8")
df.head(5)

#去除文件中未定义的首列内容，一般是由于生成文件时没有去除索引产生的
df = pd.read_csv(file_path,encoding="utf8",index_col=0)
df.head(5)

#显示指定的列,并忽略索引
df = pd.read_csv(file_path,encoding="utf8",usecols=['Country Name','Year'], index_col=0)
df.head(5)

#显示指定的列,不忽略索引
df = pd.read_csv(file_path,encoding="utf8",usecols=['Country Name','Year','Value'])
df.head(5)