pandas(九) 数据读取-读取csv、excle、txt、mysql数据

一、Pandas需要先读取表格类型的数据，然后进行分析

数据类型	说明	读取方法
CSV. tsV. txt	用逗号分隔、tab分割的纯文本文件	pd.read_csv
excel	xls、xlsx文件	pd.read_excel
mysql	关系型数据库表	pd.read_sql

二、Pandas 读取数据

数据资料：https://grouplens.org/datasets/movielens/

• 读取CSV， 使用默认的标题行、逗号分隔符号

  import pandas as pd
  fpath = '/Users/python/Desktop/means/ml-25m/ratings.csv'
  ratings = pd.read_csv(fpath)
  

• 读取txt， 自己指定分隔符，标题行

  ratings = pd.read_csv(
      fpath,
      sep='\t',     # 指定分隔符、列名
      header=None,  # 告诉pd文件没有标题行
      names=['userId','movieId','rating','timestamp'] # 自己设置标题行
  )
  

• 读取excel文件，使用默认的标题行、逗号分隔符

  数据有自己的标题行
  ratings = pd.read_excel(fpath)
  

• 读取MySQL数据库

  import pymysql
  conn = pymysql.connect(
      host='',
      user='',
      password='',
      database='demo',
      charset='utf8'
  )
  ratings = pd.read_sql(sql='select * from sys_user', con=conn)
  

三、Pandas 其它操作

• 查看前几行数据

  ratings.head()
  
   userId	movieId	rating	timestamp
  0	1	296	5.0	1147880044
  1	1	306	3.5	1147868817
  2	1	307	5.0	1147868828
  3	1	665	5.0	1147878820
  4	1	899	3.5	1147868510
  

• 查看数据的形状，返回(行数、列数)

  ratings.shape
  (25000095, 4)   数据集：包含 25000095行 4列
  

• 查看列明列表

  ratings.columns
  
  输出位列的名字
  Index(['userId', 'movieId', 'rating', 'timestamp'], dtype='object')
  

• 查看索引列

  ratings.index
  
  输出开始行数，结束行数
  RangeIndex(start=0, stop=25000095, step=1)
  

• 查看每一列数据类型

  ratings.dtypes
  
  输出: 每一列的数据类型
  userId         int64
  movieId        int64
  rating       float64
  timestamp      int64
  dtype: object