前言

Pandas是python的一個數據分析包，是基于NumPy的一種工具提供了大量數據結構和函數，可以很方便的處理結構化數據，常見數據結構有：

Series：一維數組，與Numpy中的一維array類似。

DataFrame：二維的表格型數據結構，可以將DataFrame理解為Series的容器

Time- Series：以時間為索引的Series

Panel ：三維的數組，可以理解為DataFrame的容器

1.導入txt文件

本文所使用到的test.txt的內容如下：

使用read_table()方法導入txt文件

import pandas as pd

df = pd.read_table(r'C:\Users\admin\Desktop\test.txt')
print(df)

result:

  我是李華。 今天本來留下班里十幾個人做大掃除結果他們都跑了，只留下了我一個人干完了所有活。 回家的路上真不巧又下了雨，
0  雨太大把我自行車前輪胎上的輻條都沖走了，我非常生氣。 為了報復今天發生的一切，我騎著鋼圈回到...        
1                                     并把教室里的椅子都扔了出去。

該方法是將利用分隔符分開的文件導入DataFrame的通用函數。不僅可以導入.txt文件，也可以導入.csv文件。

df = pd.read_table(r'C:\Users\admin\Desktop\中文\數據分析測試表.csv')
print(df)

result:

   區域,省份,城市
0  東北,遼寧,大連
1  西北,陜西,西安
2  華南,廣東,深圳
3  華北,北京,北京
4  華中,湖北,武漢

read_table()方法的其他參數用法和read_csv()方法基本一致，再此不再贅述。

2.導入sql文件

2.1 安裝依賴庫pymysql

python連接MySQL要用到pymysql，需要手動進行安裝。

import pandas as pd
import pymysql

con = pymysql.connect(host='127.0.0.1',  # 數據庫地址，本機為127.0.0.1或localhost
                      user='root',  # 用戶名
                      password='123456',  # 密碼
                      db='test',  # 數據庫名
                      charset='utf-8')  # 數據庫編碼，一般為utf-8
sql = "select * from employees"
df = pd.read_sql(sql, con)
print(df)

此時報錯

修改charset='utf8'后錯誤解決：

con = pymysql.connect(host='127.0.0.1',  # 數據庫地址，本機為127.0.0.1或localhost
                      user='root',  # 用戶名
                      password='123456',  # 密碼
                      db='test',  # 數據庫名
                      charset='utf8')  # 數據庫編碼，一般為utf-8
sql = "select * from employees"
df = pd.read_sql(sql, con)
print(df)

result:

   eID NAME sex       birth jobs      firJob    hiredate
0    1   張三   男  1990-06-21   教師  2005-06-20  2009-08-26
1    2  魯懷德   男  2004-06-29   工人  2018-08-01  2021-01-06
2    3  趙燕妮   女  1994-07-06  售貨員  2004-09-21  2019-05-23

這里提供數據庫查詢結果作為比對：

注:python使用pymysql與MySQL交互時，編碼方式只能寫成utf8,不要習慣性地寫成utf-8

3.小結

導入數據主要用到pandas里的read_x()方法，x表示待導入文件的格式

除了之前介紹的導入.xlsx文件的read_excel(),導入.csv文件的read_csv(),導入txt的read_table(),導入sql文件的read_sql()之外，

還有一些其他方法在此列出。這些使用到的不多，在此不做深入說明,。后面如有使用到再進行更新。

pd.read_xml()
pd.read_html()
pd.read_json()
pd.read_clipboard()
pd.read_feather()
pd.read_fwf()
pd.read_gbq()
pd.read_orc()

總結

到此這篇關于pandas學習之txt與sql文件基本操作的文章就介紹到這了,更多相關pandas之txt與sql文件操作內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！