一对json,csv,xlst,txet等文件的python操作
使用python中的pandas模块，pandas提供的读取方法将表格型数据读取为DataFrame对象的函数
import pandas as pd
1.针对json格式的操作：
读取方法：pd.read_json(filepath,sep="."，dtype="",encoding="",index_col="",header="")
filepath表示的是json格式文件的路径；sep接收string，dtype接收dict，代表写入的数据类型；
encoding用于unicode的文本编码格式，列如：“utf-8”等；index_col接受int,sequence或False，表示索引列的位置，取值为sequence则代表多重索引，默认为Nonde；header接收int和sequence，将某行数据作为列名，默认为infer，表示自动识别。
写入方法：使用to_json()方法将数据写入文件
df.to_json(path_or_buf,sep,na_rep,columns,header,.index,index_labels,mode,encoding)
path_or_buf表示文件的路径；sep表示分隔符，默认为“,”；na_rep接受string，表示缺失值。默认“”；columns接受list，代表写出的列名，默认为None；header接受boolean，代表是否将列名写出，默认为True；index接受boolean，代表是否将行名写出，默认为True；index_labels接收sequence，默认None；mode接受特定的string，代表写入数据模式，默认为w；encoding代表编码格式。
其他的操作：json.loads()函数将JSON字符串转化为python形式
例：
s = '{"name": "wade", "age": 54, "gender": "man"}'
# json.loads读取字符串并转为Python对象
print("json.loads将字符串转为Python对象: type(json.loads(s)) = {}".format(type(json.loads(s))))
print("json.loads将字符串转为Python对象: json.loads(s) = {}".format(json.loads(s)))
# json.load读取文件并将文件内容转为Python对象
# 数据文件要s.json的内容 --> {"name": "wade", "age": 54, "gender": "man"}
with open('../file/6.json', 'r') as f:
s1 = json.load(f)
print("json.load将文件内容转为Python对象: type(json.load(f)) = {}".format(type(s1)))
print("json.load将文件内容转为Python对象: json.load(f) = {}".format(s1))注：所有read_（）方法的参数的大都相同下面不详细介绍,如果读取含有缺失值的文件，pandas会默认使用
NaN进行替代。
注：所有to_ ()读入文件数据的方法，读入的数据必须是DataFrame格式的数据
2.针对csv，text，xls等格式文件的操作
text读取方法：pd.read_table(),pd.read_csv()
csv读取方法：pd.read_csv()
xls，xlsx读取方法：pd.read_excel()
xls,csv,text等写入文件的方法：to_csv()，to_xls(),to_text()
3.实现与数据库的交互
python实现与数据库连接：
create_engine('mysql+pymysql://root:root@localhost:3306/mysqlone')
参数：固定为'mysql+pymysql://root:root@localhost:3306/数据库的名字'
from sqlalchemy import create_engine
import numpy as np
import pandas as pd
# # 建立一个mysql的连接器，用户名root，没有密码
# # 地址为localhost，数据库名为mydb,连接本机的数据库
conn=create_engine('mysql+pymysql://root:root@localhost:3306/mysqlone')
# 使用read_sql_table()读取订单表的数据，只能读取表
info=pd.read_sql_table('activity',con=conn);
# 使用read_sql_query()执行sql语句
result=pd.read_sql_query("select * from activity",con=conn)
# print("订单表中记录数为",len(result))
# 使用read_sql()读取表,或者执行sql语句
result= pd.read_sql("activity",con=conn)
result=pd.read_sql("select id,user_name,leader_phone from activity ",con=conn)
# 数据库的储存使用to_sql()语句实现
# 将字典的数据存入表
dict_info={"name":[0,1,2],"age":["wangchonh","liyang","nihao"],"weight":[150,120,110],"gender":["man","woman","man"]}
df=pd.DataFrame(dict_info)
# 如果user_info该表存在，就删除重新创建，不存在就创建
df.to_sql("user_info",con=conn,index=False,if_exists="replace")
result=pd.read_sql("select * from user_info",con=conn)
print(result)to_sql()方法
使用DataFrame.to_sql(name,con,if_exists=””,index=True,index_label=None,dtype=None)
