什么网站详情页做的好,怎样把录的视频做一下传到网站,坪山新区城市建设局网站,wordpress 404跳转Pandas是一个强大的Python数据分析库#xff0c;提供了读取和输出数据的多种功能。以下是一些常见的数据读取与输出方法#xff1a;
1. 读取CSV
读取数据
从CSV文件读取数据
import pandas as pd# 读取CSV文件
df pd.read_csv(file_path.csv)
print(df.head())从Excel文…Pandas是一个强大的Python数据分析库提供了读取和输出数据的多种功能。以下是一些常见的数据读取与输出方法
1. 读取CSV
读取数据
从CSV文件读取数据
import pandas as pd# 读取CSV文件
df pd.read_csv(file_path.csv)
print(df.head())从Excel文件读取数据
# 读取Excel文件
df pd.read_excel(file_path.xlsx, sheet_nameSheet1)
print(df.head())从SQL数据库读取数据
import sqlite3# 连接到SQLite数据库
conn sqlite3.connect(database.db)# 读取SQL查询结果
df pd.read_sql_query(SELECT * FROM table_name, conn)
print(df.head())从JSON文件读取数据
# 读取JSON文件
df pd.read_json(file_path.json)
print(df.head())输出数据
将数据写入CSV文件
# 写入CSV文件
df.to_csv(output_file.csv, indexFalse)将数据写入Excel文件
# 写入Excel文件
df.to_excel(output_file.xlsx, indexFalse, sheet_nameSheet1)将数据写入SQL数据库
# 将DataFrame写入SQLite数据库
df.to_sql(table_name, conn, if_existsreplace, indexFalse)将数据写入JSON文件
# 写入JSON文件
df.to_json(output_file.json, orientrecords, linesTrue)示例操作
以下是一个从CSV文件读取数据并将其写入Excel文件的示例
import pandas as pd# 读取CSV文件
df pd.read_csv(input_file.csv)# 数据处理例如查看前五行数据
print(df.head())# 写入Excel文件
df.to_excel(output_file.xlsx, indexFalse)列数据处理
选择列
# 选择指定的列
df_selected df[[column1, column2]]
print(df_selected.head())新增列
# 新增一列值为两列相加
df[new_column] df[column1] df[column2]
print(df.head())删除列
# 删除指定的列
df df.drop(columns[column1])
print(df.head())真假值转换
将布尔值转换为0和1
# 将布尔值转换为0和1
df[boolean_column] df[boolean_column].astype(int)
print(df.head())将0和1转换为布尔值
# 将0和1转换为布尔值
df[int_column] df[int_column].astype(bool)
print(df.head())跳过指定行
跳过CSV文件的前几行
# 跳过前两行
df pd.read_csv(file_path.csv, skiprows2)
print(df.head())读取指定行
读取CSV文件中的特定行
# 读取第5行到第10行注意行索引从0开始
df pd.read_csv(file_path.csv, skiprowslambda x: x not in range(5, 11))
print(df)空值替换
用指定值替换空值
# 用0替换所有空值
df df.fillna(0)
print(df.head())用列的平均值替换空值
# 用列的平均值替换空值
df[column1] df[column1].fillna(df[column1].mean())
print(df.head())示例操作
以下是一个综合示例展示了如何进行这些操作
import pandas as pd# 读取CSV文件跳过前两行
df pd.read_csv(file_path.csv, skiprows2)# 选择指定的列
df_selected df[[column1, column2]]# 新增一列值为两列相加
df[new_column] df[column1] df[column2]# 将布尔值转换为0和1
df[boolean_column] df[boolean_column].astype(int)# 用0替换所有空值
df df.fillna(0)print(df.head())这些操作可以帮助你高效地处理和转换数据根据具体需求进行调整和组合。
2.读取Excel
Pandas可以方便地读取Excel文件并进行数据处理。以下是一些常见的操作和示例
读取整个Excel文件
import pandas as pd# 读取整个Excel文件中的默认工作表
df pd.read_excel(file_path.xlsx)
print(df.head())读取指定工作表
# 读取指定的工作表
df pd.read_excel(file_path.xlsx, sheet_nameSheet1)
print(df.head())读取多个工作表
# 读取多个工作表将结果存储在字典中
dfs pd.read_excel(file_path.xlsx, sheet_name[Sheet1, Sheet2])# 打印Sheet1的前几行
print(dfs[Sheet1].head())# 打印Sheet2的前几行
print(dfs[Sheet2].head())读取所有工作表
# 读取所有工作表将结果存储在字典中
dfs pd.read_excel(file_path.xlsx, sheet_nameNone)# 打印每个工作表的前几行
for sheet_name, df in dfs.items():print(fSheet: {sheet_name})print(df.head())跳过指定行
# 跳过前两行
df pd.read_excel(file_path.xlsx, sheet_nameSheet1, skiprows2)
print(df.head())读取指定行和列
# 读取第5到10行指定列
df pd.read_excel(file_path.xlsx, sheet_nameSheet1, skiprows4, nrows6, usecolsA:C)
print(df)空值处理
# 用指定值替换空值
df pd.read_excel(file_path.xlsx, sheet_nameSheet1)
df.fillna(0, inplaceTrue)
print(df.head())示例操作
以下是一个综合示例展示了如何读取Excel文件中的指定工作表、跳过行、读取特定行和列并进行空值处理
import pandas as pd# 读取指定的工作表并跳过前两行
df pd.read_excel(file_path.xlsx, sheet_nameSheet1, skiprows2)# 读取第5到10行指定列
df pd.read_excel(file_path.xlsx, sheet_nameSheet1, skiprows4, nrows6, usecolsA:C)# 用0替换所有空值
df.fillna(0, inplaceTrue)print(df)这些操作可以帮助你灵活地读取和处理Excel文件中的数据根据需要进行调整和组合。
3.Pandas的输出
Pandas提供了多种将数据输出到不同格式文件的方法包括CSV、Excel、JSON、SQL等。以下是一些常见的数据输出操作和示例
输出到CSV文件
import pandas as pd# 创建示例数据
data {Name: [Alice, Bob, Charlie], Age: [25, 30, 35]}
df pd.DataFrame(data)# 输出到CSV文件不包含行索引
df.to_csv(output_file.csv, indexFalse)输出到Excel文件
# 输出到Excel文件不包含行索引
df.to_excel(output_file.xlsx, indexFalse, sheet_nameSheet1)输出到JSON文件
# 输出到JSON文件
df.to_json(output_file.json, orientrecords, linesTrue)输出到SQL数据库
import sqlite3# 连接到SQLite数据库如果数据库不存在则会自动创建
conn sqlite3.connect(database.db)# 输出到SQL数据库
df.to_sql(table_name, conn, if_existsreplace, indexFalse)设置分隔符、编码和格式
CSV文件设置分隔符和编码
# 输出到CSV文件设置分隔符为分号编码为UTF-8
df.to_csv(output_file.csv, sep;, encodingutf-8, indexFalse)Excel文件格式化输出
# 输出到Excel文件设置列宽
with pd.ExcelWriter(output_file.xlsx, enginexlsxwriter) as writer:df.to_excel(writer, sheet_nameSheet1, indexFalse)# 获取工作表对象worksheet writer.sheets[Sheet1]# 设置列宽worksheet.set_column(A:A, 20)worksheet.set_column(B:B, 10)示例操作
以下是一个综合示例展示了如何将数据输出到CSV、Excel、JSON和SQL文件
import pandas as pd
import sqlite3# 创建示例数据
data {Name: [Alice, Bob, Charlie], Age: [25, 30, 35]}
df pd.DataFrame(data)# 输出到CSV文件不包含行索引
df.to_csv(output_file.csv, indexFalse)# 输出到Excel文件不包含行索引设置列宽
with pd.ExcelWriter(output_file.xlsx, enginexlsxwriter) as writer:df.to_excel(writer, sheet_nameSheet1, indexFalse)worksheet writer.sheets[Sheet1]worksheet.set_column(A:A, 20)worksheet.set_column(B:B, 10)# 输出到JSON文件
df.to_json(output_file.json, orientrecords, linesTrue)# 连接到SQLite数据库
conn sqlite3.connect(database.db)# 输出到SQL数据库
df.to_sql(table_name, conn, if_existsreplace, indexFalse)这些操作可以帮助你将Pandas DataFrame数据输出到多种格式文件根据具体需求进行调整和组合。
