下面整理下python有哪些方式可以讀取數(shù)據(jù)文件。

1. python內(nèi)置方法（read、readline、readlines）

• read() ： 一次性讀取整個文件內(nèi)容。推薦使用read(size)方法，size越大運行時間越長
• readline() ：每次讀取一行內(nèi)容。內(nèi)存不夠時使用，一般不太用
• readlines() ：一次性讀取整個文件內(nèi)容，并按行返回到list，方便我們遍歷

2. 內(nèi)置模塊（csv）

python內(nèi)置了csv模塊用于讀寫csv文件，csv是一種逗號分隔符文件，是數(shù)據(jù)科學中最常見的數(shù)據(jù)存儲格式之一。
csv模塊能輕松完成各種體量數(shù)據(jù)的讀寫操作，當然大數(shù)據(jù)量需要代碼層面的優(yōu)化。

csv模塊讀取文件

# 讀取csv文件
import csv  
with open('test.csv','r') as myFile:  
    lines=csv.reader(myFile)  
    for line in lines:  
        print (line)  

csv模塊寫入文件

import csv  
with open('test.csv','w+') as myFile:      
    myWriter=csv.writer(myFile)  
    # writerrow一行一行寫入
    myWriter.writerow([7,8,9])  
    myWriter.writerow([8,'h','f'])  
    # writerow多行寫入
    myList=[[1,2,3],[4,5,6]]  
    myWriter.writerows(myList)  

3. 使用numpy庫（loadtxt、load、fromfile）

loadtxt方法

loadtxt用來讀取文本文件（包含txt、csv等）以及.gz 或.bz2格式壓縮文件，前提是文件數(shù)據(jù)每一行必須要有數(shù)量相同的值。

import numpy as np
# loadtxt()中的dtype參數(shù)默認設置為float
# 這里設置為str字符串便于顯示
np.loadtxt('test.csv',dtype=str)
# out：array(['1,2,3', '4,5,6', '7,8,9'], dtype='U5')

load方法

load用來讀取numpy專用的.npy, .npz 或者pickled持久化文件。

import numpy as np
# 先生成npy文件
np.save('test.npy', np.array([[1, 2, 3], [4, 5, 6]]))
# 使用load加載npy文件
np.load('test.npy')
'''
out:array([[1, 2, 3],
       [4, 5, 6]])
'''

fromfile方法

fromfile方法可以讀取簡單的文本數(shù)據(jù)或二進制數(shù)據(jù)，數(shù)據(jù)來源于tofile方法保存的二進制數(shù)據(jù)。讀取數(shù)據(jù)時需要用戶指定元素類型，并對數(shù)組的形狀進行適當?shù)男薷摹?br />

import numpy as np
x = np.arange(9).reshape(3,3)
x.tofile('test.bin')
np.fromfile('test.bin',dtype=np.int)
# out:array([0, 1, 2, 3, 4, 5, 6, 7, 8])

4. 使用pandas庫（read_csv、read_excel等）

pandas是數(shù)據(jù)處理最常用的分析庫之一，可以讀取各種各樣格式的數(shù)據(jù)文件，一般輸出dataframe格式。
如：txt、csv、excel、json、剪切板、數(shù)據(jù)庫、html、hdf、parquet、pickled文件、sas、stata等等

read_csv方法

read_csv方法用來讀取csv格式文件，輸出dataframe格式。

import pandas as pd
pd.read_csv('test.csv')

read_excel方法

讀取excel文件，包括xlsx、xls、xlsm格式

import pandas as pd
pd.read_excel('test.xlsx')

read_table方法
通過對sep參數(shù)（分隔符）的控制來對任何文本文件讀取

read_json方法

讀取json格式文件

df = pd.DataFrame([['a', 'b'], ['c', 'd']],index=['row 1', 'row 2'],columns=['col 1', 'col 2'])
j = df.to_json(orient='split')
pd.read_json(j,orient='split')

read_html方法

讀取html表格

read_clipboard方法

讀取剪切板內(nèi)容

read_pickle方法

讀取plckled持久化文件

read_sql方法

讀取數(shù)據(jù)庫數(shù)據(jù)，連接好數(shù)據(jù)庫后，傳入sql語句即可

read_dhf方法

讀取hdf5文件，適合大文件讀取

read_parquet方法

讀取parquet文件

read_sas方法

讀取sas文件

read_stata方法

讀取stata文件

read_gbq方法

讀取google bigquery數(shù)據(jù)

5、讀寫excel文件（xlrd、xlwt、openpyxl等）

python用于讀寫excel文件的庫有很多，除了前面提到的pandas，還有xlrd、xlwt、openpyxl、xlwings等等。

主要模塊：

• xlrd庫：從excel中讀取數(shù)據(jù)，支持xls、xlsx
• xlwt庫：對excel進行修改操作，不支持對xlsx格式的修改
• xlutils庫：在xlw和xlrd中，對一個已存在的文件進行修改
• openpyxl：主要針對xlsx格式的excel進行讀取和編輯
• xlwings：對xlsx、xls、xlsm格式文件進行讀寫、格式修改等操作
• xlsxwriter：用來生成excel表格，插入數(shù)據(jù)、插入圖標等表格操作，不支持讀取
• Microsoft Excel API：需安裝pywin32，直接與Excel進程通信，可以做任何在Excel里可以做的事情，但比較慢

6. 操作數(shù)據(jù)庫（pymysql、cx_Oracle等）

python幾乎支持對所有數(shù)據(jù)庫的交互，連接數(shù)據(jù)庫后，可以使用sql語句進行增刪改查。
主要模塊：

• pymysql：用于和mysql數(shù)據(jù)庫的交互
• sqlalchemy：用于和mysql數(shù)據(jù)庫的交互
• cx_Oracle：用于和oracle數(shù)據(jù)庫的交互
• sqlite3：內(nèi)置庫，用于和sqlite數(shù)據(jù)庫的交互
• pymssql：用于和sql server數(shù)據(jù)庫的交互
• pymongo：用于和mongodb非關系型數(shù)據(jù)庫的交互
• redis、pyredis：用于和redis非關系型數(shù)據(jù)庫的交互

到此這篇關于python里讀寫excel等數(shù)據(jù)文件的6種常用方式(小結)的文章就介紹到這了,更多相關python讀寫excel內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！