3.2:pandas数据的导入与导出【CSV,JSON】

一:CSV数据

  一】:导入数据

    1)从CSV文件读入数据:pd.read_csv("文件名"),默认以逗号为分隔符

      D:\data\ex1.csv文件内容:                    D:\data\ex2.csv文件内容

        a,b,c,d,message            1,2,3,4,hello
        1,2,3,4,hello             5,6,7,8,world
        5,6,7,8,world              9,10,11,12,foo
        9,10,11,12,foo            

 1 In [3]: df1 = pd.read_csv('D:\data\ex1.csv')    #打开后默认添加index为从0自增长,columns默认用第一行数据
 2 
 3 In [4]: df1
 4 Out[4]:
 5    a   b   c   d message
 6 0  1   2   3   4   hello
 7 1  5   6   7   8   world
 8 2  9  10  11  12     foo
 9 
10 In [15]: df2 = pd.read_csv('D:\data\ex2.csv')
12 In [16]: df2
13 Out[16]:
14    1   2   3   4  hello
15 0  5   6   7   8  world
16 1  9  10  11  12    foo
17 
18 In [17]: df2 = pd.read_csv('D:\data\ex2.csv',header=None)        #header参数指定columns都为从0自增长的数
20 In [18]: df2
21 Out[18]:
22    0   1   2   3      4
23 0  1   2   3   4  hello
24 1  5   6   7   8  world
25 2  9  10  11  12    foo
26 
27 In [8]: df2 = pd.read_csv('D:\data\ex2.csv',names=list('abcde'))    #用names参数指定columns的值
29 In [9]: df2
30 Out[9]:
31    a   b   c   d      e
32 0  1   2   3   4  hello
33 1  5   6   7   8  world
34 2  9  10  11  12    foo
35 
36 In [13]: df2 = pd.read_csv('D:\data\ex2.csv',names=list('abcde'),index_col='e')    #用index_col用指定的columns首元素作为index
38 In [14]: df2
39 Out[14]:
40        a   b   c   d
41 e
42 hello  1   2   3   4
43 world  5   6   7   8
44 foo    9  10  11  12

    2)其他格式:pd.read_table('文件名', sep='划分依据'),划分依据可用正则表达式【\s:空格等不可见字符】

      注:read_table方法几乎可以读所有的表格型数据,包括txt,csv等等

      D:\data\ex3.txt                      D:\data\ex4.txt

        A B C                           D A B C
        aaa -0.2 -1.02 -0.62                    aaa -0.2 -1.02 -0.62
        bbb 0.93 0.3 -0.03                     bbb 0.93 0.3 -0.03
        ccc -0.26 -0.39 -0.22                     ccc -0.26 -0.39 -0.22
        ddd -0.87 -0.35 1.1                      ddd -0.87 -0.35 1.1

 1 In [37]: df1 = pd.read_table('D:\data\ex3.txt',sep='\s+')
 3 In [38]: df1
 4 Out[38]:
 5         A     B     C                          #以最小列数为准,取dataframe数据,且第一行数据作为columns,剩下的如果第一列作为多出则作为index,否者从0自增数作为index
 6 aaa -0.20 -1.02 -0.62
 7 bbb  0.93  0.30 -0.03
 8 ccc -0.26 -0.39 -0.22
 9 ddd -0.87 -0.35  1.10
10 
11 In [44]: df2 = pd.read_table('D:\data\ex4.txt',sep='\s+')
13 In [45]: df2
14 Out[45]:
15      D     A     B     C
16 0  aaa -0.20 -1.02 -0.62
17 1  bbb  0.93  0.30 -0.03
18 2  ccc -0.26 -0.39 -0.22
19 3  ddd -0.87 -0.35  1.10

    3)扩展技巧

      read_csv/read_table函数参数

      

      

      D:\data\ex5.csv                D:\data\ex6.csv

      #hey!                       something,a,b,c,d,message            
      a,b,c,d,message                  one,1,2,3,4,NA
      #just wanted to make things            two,5,6,,8,world
      #who are you                   three,9,10,11,12,foo
      1,2,3,4,hello
      5,6,7,8,world
      9,10,11,12,foo

 1 In [46]: df5 = pd.read_csv('D:\data\ex5.csv')
 3 In [47]: df5
 4 Out[47]:
 5                                            #hey!
 6 a                           b   c   d    message
 7 #just wanted to make things NaN NaN NaN      NaN
 8 #who are you                NaN NaN NaN      NaN
 9 1                           2   3   4      hello
10 5                           6   7   8      world
11 9                           10  11  12       foo
12 
13 In [48]: df5 = pd.read_csv('D:\data\ex5.csv',skiprows=[0,2,3])
15 In [49]: df5
16 Out[49]:
17    a   b   c   d message
18 0  1   2   3   4   hello
19 1  5   6   7   8   world
20 2  9  10  11  12     foo
21 
22 
23 In [59]: df5 = pd.read_csv('D:\data\ex6.csv',nrows = 2)
25 In [60]: df5
26 Out[60]:
27   something  a  b   c  d message
28 0       one  1  2   3  4     NaN
29 1       two  5  6 NaN  8   world
30 
31 In [55]: df6 = pd.read_csv('D:\data\ex6.csv',na_values={'message':['foo','NA'],'something':['two']})
33 In [56]: df6
34 Out[56]:
35   something  a   b   c   d message
36 0       one  1   2   3   4     NaN
37 1       NaN  5   6 NaN   8   world
38 2     three  9  10  11  12     NaN

 

  二】 数据的写出:to_csv('文件名' , [index=..., header=...] )

 1 In [7]: df = pd.read_csv('D:\data\ex1.csv',header=None)
 2 
 3 In [8]: df
 4 Out[8]:
 5    0   1   2   3        4
 6 0  a   b   c   d  message
 7 1  1   2   3   4    hello
 8 2  5   6   7   8    world
 9 3  9  10  11  12      foo
10 
11 In[9]:df.to_csv('D:\data\out1.csv')
12 
13 In[10]:df.to_csv('D:\data\out2.csv',index=False,header=False)    #即是把index和columns都弃掉,header表示columns

 

二:JSON格式

   Json类型基本数据类型有对象(字典),数组(列表),字符串,数值,bool 以及 null。

  注:若是字典,键的类型必须是string

In [22]: js = """{
   ....: "name":"Wes",
   ....: "places_lived":["US","Spain","Germany"],
   ....: "pet":null,
   ....: "siblings":[{"name":"Scott","age":25,"pet":"Zuko"},
   ....: {"name":"Katie","age":33,"pet":"Cisco"}]}
   ....: """

In [26]: import json
In [27]: data = json.loads(js)      #将json格式转化为python格式
In [28]: data
Out[28]:
{u'name': u'Wes',
 u'pet': None,
 u'places_lived': [u'US', u'Spain', u'Germany'],
 u'siblings': [{u'age': 25, u'name': u'Scott', u'pet': u'Zuko'},
  {u'age': 33, u'name': u'Katie', u'pet': u'Cisco'}]}

In [29]: #a_js = json.dumps(data)    #将python格式转化为json格式

#最简单构造方法就是提取其中的数据,注意columns list中的值对应json数据中的需要提取的键并将其作为columns
In [31]: siblings = pd.DataFrame(data['siblings'],columns=['name','age'])
In [32]: siblings
Out[32]:
    name  age
0  Scott   25
1  Katie   33

 

三:XML与HTML

pass

 

四:二进制 179

  pass

 

五:Excel 180

  pass

 

七:HTML 与 Web API 181

  许多网站提供基于json格式的数据API,通过request等库可以获取

  pass

 

六:数据库 182

  pass

 

七:MongDB

  184

posted @ 2015-12-16 15:16  billiepander  阅读(39347)  评论(1编辑  收藏  举报