Python数据统计分析之数据输入输出

Python AI 开发系列 - 数据统计分析篇 1 在本篇文章中，我们将学习 Python 中的数据统计分析，主要介绍四种格式的数据输入：CSV、Excel、HTML 和 SQL。在学习之前，我们需要使用 pip 或 conda 安装相关的模块，包括 sqlalchemy、lxml、html5lib 和 BeautifulSoup4。 首先，我们需要安装相关的模块。使用 conda install 命令可以安装这些模块。例如，condainstall sqlalchemy 就可以安装 sqlalchemy 模块。 接下来，我们打开 Anaconda 和 Jupyter Notebook，创建一个新的 Notebook，命名为 DataInOut。在这个 Notebook 中，我们将学习如何输入和输出不同格式的数据。 首先，我们学习如何读取 CSV 格式的数据。使用 pandas 库，可以轻松地读取 CSV 文件。例如，使用以下代码可以读取 example.csv 文件的内容： ``` import pandas as pd df = pd.read_csv('example.csv') print(df) ``` 在上面的代码中，我们使用 pandas 库的 read_csv 函数读取 example.csv 文件的内容，并将其存储在 df 这个 dataframe 中。 接下来，我们学习如何编辑 CSV 文件中的内容。使用 pandas 库，可以轻松地编辑 CSV 文件的内容。例如，使用以下代码可以将 example.csv 文件的内容读取到 df 这个 dataframe 中，然后将其输出到 My_output.csv 文件中： ``` import pandas as pd df = pd.read_csv('example.csv') df.to_csv('My_output.csv', index=False) ``` 在上面的代码中，我们使用 pandas 库的 to_csv 函数将 df 这个 dataframe 的内容输出到 My_output.csv 文件中。 接下来，我们学习如何读取 Excel 格式的数据。使用 pandas 库，可以轻松地读取 Excel 文件的内容。例如，使用以下代码可以读取 example.xls 文件的内容： ``` import pandas as pd df = pd.read_excel('example.xls') print(df) ``` 在上面的代码中，我们使用 pandas 库的 read_excel 函数读取 example.xls 文件的内容，并将其存储在 df 这个 dataframe 中。 需要注意的是，pandas 库只能读取 Excel 文件中的数据，不能读取公式、图表等复杂的对象。 接下来，我们学习如何读取 HTML 格式的数据。使用 pandas 库，可以轻松地读取 HTML 文件的内容。例如，使用以下代码可以读取 example.htm 文件的内容： ``` import pandas as pd df = pd.read_html('example.htm') print(df) ``` 在上面的代码中，我们使用 pandas 库的 read_html 函数读取 example.htm 文件的内容，并将其存储在 df 这个 dataframe 中。 需要注意的是，读取 HTML 文件中的数据并不总是成功的，因为有些网页做了相应的限制。 最后，我们学习如何读取和写入 SQL 数据库中的数据。使用 pandas 库，可以轻松地读取和写入 SQL 数据库中的数据。例如，使用以下代码可以读取 SQL 数据库中的数据： ``` import pandas as pd from sqlalchemy import create_engine engine = create_engine('sqlite:///example.sql') df = pd.read_sql_table('example', engine) print(df) ``` 在上面的代码中，我们使用 pandas 库的 read_sql_table 函数读取 SQL 数据库中的数据，并将其存储在 df 这个 dataframe 中。 在本篇文章中，我们学习了如何使用 pandas 库读取和输出不同格式的数据，包括 CSV、Excel、HTML 和 SQL 格式的数据。这些知识点对于数据统计分析和机器学习非常重要。