jupyter数据加载储存与文件结构

Jupyter Notebook是一个非常强大的数据分析工具，可以实现数据加载储存和文件结构管理。本文将简单介绍如何使用Jupyter Notebook进行数据加载储存和文件结构管理。

数据加载储存

Jupyter Notebook 支持多种数据格式的读写，包括CSV、Excel、JSON、SQL、HDF5等。以下是一些基本的数据读写操作：

1. CSV 文件读写

使用 pandas 库中的 read_csv 函数可以读取 CSV 文件，并使用 to_csv 函数可以将 DataFrame 对象保存为 CSV 文件。

import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('data.csv')

# 将 DataFrame 对象保存为 CSV 文件
df.to_csv('data_new.csv')

2. Excel 文件读写

使用 pandas 库中的 read_excel 函数可以读取 Excel 文件，并使用 to_excel 函数可以将 DataFrame 对象保存为 Excel 文件。

import pandas as pd

# 读取 Excel 文件
df = pd.read_excel('data.xlsx')

# 将 DataFrame 对象保存为 Excel 文件
df.to_excel('data_new.xlsx')

3. JSON 文件读写

使用 pandas 库中的 read_json 函数可以读取 JSON 文件，并使用 to_json 函数可以将 DataFrame 对象保存为 JSON 文件。

import pandas as pd

# 读取 JSON 文件
df = pd.read_json('data.json')

# 将 DataFrame 对象保存为 JSON 文件
df.to_json('data_new.json')

4. SQL 数据库读写

使用 pandas 库中的 read_sql 函数可以读取 SQL 数据库中的数据，并使用 to_sql 函数可以将 DataFrame 对象保存到 SQL 数据库中。

import pandas as pd
import sqlite3

# 连接 SQLite 数据库
conn = sqlite3.connect('data.db')

# 读取 SQL 数据库中的数据
df = pd.read_sql('SELECT * FROM data_table', conn)

# 将 DataFrame 对象保存到 SQL 数据库中
df.to_sql('data_table_new', conn)

5. HDF5 文件读写

使用 pandas 库中的 read_hdf 函数可以读取 HDF5 文件，并使用 to_hdf 函数可以将 DataFrame 对象保存为 HDF5 文件。

import pandas as pd

# 读取 HDF5 文件
df = pd.read_hdf('data.h5')

# 将 DataFrame 对象保存为 HDF5 文件
df.to_hdf('data_new.h5', key='data')

文件结构管理

Jupyter Notebook 支持文件结构管理，并支持文件夹和文件的创建、删除和重命名操作。使用 Jupyter Notebook 的文件结构管理功能，可以更好地组织和管理数据分析项目的文件和文件夹。

1. 文件夹和文件的创建

在 Jupyter Notebook 的文件浏览器中，可以通过点击 New Folder 或者 New 文件按钮来创建新的文件夹或者文件。

2. 文件夹和文件的删除

在 Jupyter Notebook 的文件浏览器中，可以通过选中要删除的文件夹或者文件，然后点击 Delete 按钮来删除它们。

3. 文件夹和文件的重命名

在 Jupyter Notebook 的文件浏览器中，可以通过选中要重命名的文件夹或者文件，然后点击 Rename 按钮来重命名它们。

总结

本文介绍了如何使用 Jupyter Notebook 进行数据加载储存和文件结构管理。数据加载储存方面，Jupyter Notebook 支持多种数据格式的读写，包括 CSV、Excel、JSON、SQL、HDF5 等；文件结构管理方面，Jupyter Notebook 支持文件夹和文件的创建、删除和重命名操作，可以更好地组织和管理数据分析项目的文件和文件夹。