pandas数据加载

pandas是一个强大的数据分析工具，可以用于加载和处理各种数据。下面是两种常见的pandas数据加载的方法：

1. 从CSV文件加载数据：

import pandas as pd

# 从CSV文件中加载数据
df = pd.read_csv('data.csv')

# 打印数据框的前几行
print(df.head())

2. 从HTML文件加载数据：

import pandas as pd

# 定义要加载的HTML文件的URL
url = 'http://weather.sina.com.cn/china/shanghaishi/'

# 使用pandas的read_html函数加载HTML文件中的表格数据
df_tables = pd.read_html(url)

# 打印加载的表格数据
print(df_tables)

相关问题

pandas库加载数据集

以下是使用pandas库加载数据集的示例代码：

import pandas as pd

# 从csv文件中加载数据集
data = pd.read_csv('data.csv')

# 从Excel文件中加载数据集
data = pd.read_excel('data.xlsx')

# 从SQL数据库中加载数据集
import sqlite3
conn = sqlite3.connect('example.db')
data = pd.read_sql_query('SELECT * from data', conn)

以上代码演示了如何使用pandas库加载csv文件、Excel文件和SQL数据库中的数据集。其中，read_csv()函数用于加载csv文件，read_excel()函数用于加载Excel文件，read_sql_query()函数用于加载SQL数据库中的数据集。

使用pandas加载数据

可以使用 `pandas` 库中的 `read_csv()` 方法来加载 CSV 格式的数据。例如，如果你的 CSV 文件名为 `data.csv`，并且位于当前工作目录中，那么可以按照以下方式加载数据：

import pandas as pd

data = pd.read_csv('data.csv')

如果你的文件不是 CSV 格式，可以尝试使用 `read_excel()`、`read_json()` 等方法来加载不同格式的数据。