1.pandas打開和讀取文件

最近在公司在弄數據分析相關的項目，數據分析就免不了要先對數據進行處理，也就自然避不開關於excel文檔的初始化操作了。

一段時間之后，發現pandas更加符合我的項目要求，所以，將一些常規操作記錄下來，便於以后查閱。

那在開始下面的操作之前，下載pandas模塊是很有必要的

文件打開

首先在剛開始的時候需要導入模塊pandas

import pandas as pd

pandas的打開文件一共有三種方法，分別對應三種文件，即：

數據類型	說明	Pandas讀取方式
csv,tsv,txt	用逗號分割，tab分割的純文本文件	pd.read_csv
excel	微軟xls或者xlsx文件	pd.read_excel
mysql	關系型數據庫表	pd.read_sql

我現在的工作需求中，現階段最常用的是.xlsx的文件讀取

.xlsx文件打開

df = pd.read_excel('1.xlsx') # 文件名或文件路徑
print(df)

         id                                         enterprise
0     18950                                      中國農業大學資源與環境學院
1     18949                                       山東恆豐農業科技有限公司
2     18948                      石家庄市民豐種子有限公司、北京中農臻中農業科技發展有限公司
3     18947                                        九原區種子有限責任公司
4     18946                               中國農業大學和武漢隆福康農業發展有限公司
...     ...                                                ...
6215  12735                       浙江省農業科學院與核技術利用研究所、湖州科奧種業有限公司
6216  12734                               浙江省農科院作核所、杭州市種子技術推廣站
6217  12733                                浙江省農業科學院作核所、湖州市種子公司
6218  12732                                  浙江省農科院作核所、杭州市種子公司
6219  12731  浙江省農業科學院作物與核技術利用研究所、寧波市農業科學研究院生物技術研究所、浙江之豇種業有限...

[6220 rows x 2 columns]

這樣就讀取了.xlsx類型的文件

文件讀取

.shape

有些時候我只是想看看這個表的尺寸大約是多大的，就可以用這個方法

df.shape

(6220, 2)

該方法會返回這個表的（行數，列數）

.columns

有些時候我想看看這個表的標題，就是第一行的信息

df.columns

Index(['id', 'enterprise'], dtype='object')

該方法會返回一個列表形式的數據

.head()

當然，有些時候也不需要那么多的數據讀取，可能有些時候只想讀取前幾行

該方法會默認的讀取數據的前5行數據

    def head(self: FrameOrSeries, n: int = 5) -> FrameOrSeries:

df.head()

      id                     enterprise
0  18950                  中國農業大學資源與環境學院
1  18949                   山東恆豐農業科技有限公司
2  18948  石家庄市民豐種子有限公司、北京中農臻中農業科技發展有限公司
3  18947                    九原區種子有限責任公司
4  18946           中國農業大學和武漢隆福康農業發展有限公司

當然也可以修改讀取的行數

df.head(10)

.index

讀取數據的時候，也許發現了，在最左側有一列數據，他本不是在數據當中的數據，這一列就是數據的索引，就像數據庫當中的id一樣

那可以通過這個方法來查看索引列

df.index

RangeIndex(start=0, stop=6220, step=1)