python数据分析之：数据加载，存储与文件格式

前面介绍了numpy和pandas的数据计算功能．但是这些数据都是我们自己手动输入构造的．如果不能将数据自动导入到python中，那么这些计算也没有什么意义．这一章将介绍数据如何加载以及存储．
首先来看读写文本格式的数据
pandas提供了一些用于将表格型数据读取为DataFrame对象的函数．如下表：

csv文件是默认以,为分割符．可以通过命令行cat来读取文件内容．

In [4]: cat /home/zhf/1.csv

1,2,3,4

5,6,7,8

9,10,11,12

同样的我们也可以用pandas的函数进行读取．

In [6]: result=pd.read_csv('/home/zhf/1.csv')

 

In [7]: result

Out[7]: 

   1   2   3   4

0  5   6   7   8

1  9  10  11  12

但是读入的文件没有列名，如果要添加列名，需要设置header参数

In [11]: result=pd.read_csv('/home/zhf/1.csv',header=None)

 

In [12]: result

Out[12]: 

   0   1   2   3

0  1   2   3   4

1  5   6   7   8

2  9  10  11  12

也可以自己制定列的名称

In [14]: result=pd.read_csv('/home/zhf/1.csv',names=['one','two','three','four']

    ...: )

 

In [15]: result

Out[15]: 

   one  two  three  four

0    1    2      3     4

1    5    6      7     8

2    9   10     11    12

 

In [16]: result['one']

Out[16]: 

0    1

1    5

2    9

 

还可以明确将该列放到某个索引的位置上，通过制定index_col参数．

In [18]: result=pd.read_csv('/home/zhf/1.csv',names=['one','two','three','four']

    ...: ,index_col='four')

 

In [19]: result

Out[19]: 

      one  two  three

four                 

4       1    2      3

8       5    6      7

12      9   10     11

 

如果出现像下面的这种数据，#的这一行是我们不需要的．该如何省略掉呢

In [22]: result=pd.read_csv('/home/zhf/1.csv')

 

In [23]: result

Out[23]: 

   1   2   3   4

0  #   #   #   #

1  5   6   7   8

2  9  10  11  12

可以通过skiprows将某一行的数据跳过．

In [24]: result=pd.read_csv('/home/zhf/1.csv',skiprows=[1])

 

In [25]: result

Out[25]: 

   1   2   3   4

0  5   6   7   8

1  9  10  11  12

 

同样的在读出的数据中，也可以判断是否为非空或者需要填充

In [10]: result

Out[10]: 

   1   2   3     4

0  #   #   #   NaN

1  5   6   7   8.0

2  9  10  11  12.0

 

In [11]: pd.isnull(result)

Out[11]: 

       1      2      3      4

0  False  False  False   True

1  False  False  False  False

2  False  False  False  False

read_csv和read_table的内置函数如下：

 

逐块读取文本文件

在处理很大的文件时，或找出大文件中的参数集便于后续处理的时候，只需要读取文件的一小部分或逐块对文件进行迭代．

读取某几行需要设置nrows参数，这里的nrows下标是从０开始的．因此nrows=2代表前３行．

In [19]: result=pd.read_csv('/home/zhf/1.csv',nrows=2)

 

In [20]: result

Out[20]: 

   1  2  3    4

0  #  #  #  NaN

1  5  6  7  8.0

 

将数据写到文件上

数据也可以被输出为分隔符格式的文本

to_csv将数据写入到文件中，如果没有该文件，将会自动创建一个．

data1=data.to_csv('/home/zhf/3.csv')

在写入的时候也可以制定分隔符

data1=data.to_csv('/home/zhf/3.csv',sep='|')

 

 

ＪＳＯＮ文件

json文件是在ＨＴＴＰ上广泛用来传输数据的文件之一，下面来看下如何将json对象传入到DataFrame中

In [34]: import json

 

In [35]: result=json.loads('/home/zhf/test.json')

In [3６]: data=json.dumps(result)  

In [3７]: ret=DataFrame(data['one'],columns=['name','age'])

 

还有很多其他格式的文件，比如ＨＴＭＬ，ＸＭＬ，数据库等文件．这些文件的读写和在python中是一样的．这里就不再一一介绍了．