txt、Csv、Excel、JSON、SQL文件读取（Python）

txt、Csv、Excel、JSON、SQL文件读取（Python）

txt文件读写

创建一个txt文件

f=open(r'text.txt','r',encoding='utf-8')
s=f.read()
f.close()
print(s)

open( )是打开文件的方法

'text.txt’文件名 在同一个文件夹下所以可以省略路径

如果不在同一个文件夹下 ‘xxx/xxx/text.txt’ 文件名前加路径

encoding：设置字符编码

read( )是读取文件内容

close( )是关闭文件

with

open( )函数方法打开文件读取文件内容时，如果不关闭文件，将无法对该文件进行修改。当打开文件并写入文件内容后，不关闭文件会造成写入的内容不能保存。

在Python语言中，提供了with与open( )函数方法搭配使用

通过with与open( )函数搭配使用无须再去书写close( )函数方法

with open(r'text.txt','r',encoding='utf-8') as f:s=f.read()
print(s)

写入

with open(r'text.txt','w') as f:f.write('qwertyuiop')

写入多行

with open(r'text.txt','w') as f:text=['asdfghjk\n','xcvbnmrtyui\n','123456789\n']f.writelines(text)

open(r’text.txt’,‘w’)函数中，'w’参数意为写入，会将文件原有的内容进行覆盖

文件打开模式

• r 只读 只读默认模式
• w 只写 在原文件写，覆盖原文件
• a 只写 不覆盖原文件，末尾追加
• wb 写入 以二进制形式写入，保存图片时使用
• r+ 读写 在原文件写，覆盖原文件
• w+ 读写 在原文件写，覆盖原文件
• a+ 读写 不覆盖原文件，末尾追加

CSV文件读写

read_csv( )

读取当前目录下的text.csv

import pandas as pd
a=pd.read_csv(r'text.csv')
print(a)

设置字段

import pandas as pd
a=pd.read_csv(r'text.csv',names=['id','name'])
print(a)

指定相应的索引列

import pandas as pd
a=pd.read_csv(r'text.csv',names=['id','name'],index_col='id')
print(a)

import pandas as pd
a=pd.read_csv(r'text.csv',names=['id','name'],index_col=0)
print(a)

获取指定列

import pandas as pd
a=pd.read_csv(r'text.csv',names=['id','name'],usecols=[0])
print(a)
b=pd.read_csv(r'text.csv',names=['id','name'],usecols=['id'])
print(b)

写入

to_csv( )

import pandas as pd
data={'id':['1','2','3'],'name':['gh','jk','ty']}
a=pd.DataFrame(data)
a.to_csv(r'text.csv')

设置写入列

import pandas as pd
data={'id':['1','2','3'],'name':['gh','jk','ty']}
a=pd.DataFrame(data)
a.to_csv(r'text.csv',columns=['id'])

设置写入模式

mode w为写（覆盖） a为追加

import pandas as pd
data={'id':['1','2','3'],'name':['gh','jk','ty']}
a=pd.DataFrame(data)
a.to_csv(r'text.csv')
a.to_csv(r'text.csv',mode='a')

是否写入列名字段

header

import pandas as pd
data={'id':['1','2','3'],'name':['gh','jk','ty']}
a=pd.DataFrame(data)
a.to_csv(r'text.csv')
a.to_csv(r'text.csv',mode='a',header=False)

第二次写入不写入列名

删除索引

index=None

import pandas as pd
data={'id':['1','2','3'],'name':['gh','jk','ty']}
a=pd.DataFrame(data)
a.to_csv(r'text.csv',index=None)
a.to_csv(r'text.csv',mode='a',header=False,index=None)

Excel文件读写

read_excel( )

参数：

sheet_name='name’为读取的分表名，可以写表名、位置下标。

index_col为指定相应的索引列，为字段名或者字段列表下标。

usecols为获取指定列

names为设置列字段

header为用哪一行做字段名

nrows为指定获取的行数

skiprows为跳过特定行，skipfooter跳过末尾n行

import pandas as pd
a=pd.read_excel(r'text.xlsx')
print(a)

选择表

sheet_name

新建一个表

import pandas as pd
a=pd.read_excel(r'text.xlsx',sheet_name=1)
print(a)

设置索引列

index_col

import pandas as pd
a=pd.read_excel(r'text.xlsx',sheet_name=0,index_col=[0])
print(a)

获取指定列

usecols

import pandas as pd
a=pd.read_excel(r'text.xlsx',sheet_name=0,usecols=[0])
print(a)

设置列字段

names

import pandas as pd
a=pd.read_excel(r'text.xlsx',sheet_name=0,names=['ID','NAME','CLASS'])
print(a)

指定某行为字段名

header

import pandas as pd
a=pd.read_excel(r'text.xlsx',sheet_name=0,header=1)
print(a)

设置获取行数

nrows

import pandas as pd
a=pd.read_excel(r'text.xlsx',sheet_name=0,nrows=2)
print(a)

跳过n行

skiprows 跳过前n行

import pandas as pd
a=pd.read_excel(r'text.xlsx',sheet_name=0,skiprows=1)
print(a)

skipfooter跳过末尾n行

import pandas as pd
a=pd.read_excel(r'text.xlsx',sheet_name=0,skipfooter=3)
print(a)

写入

import pandas as pd
data={'id':[1,2,3,4],'name':['A','B','C','D']}
a=pd.DataFrame(data)
a.to_excel(r'text.xlsx')

写入多表

import pandas as pd
data={'id':[1,2,3,4],'name':['A','B','C','D']}
a=pd.DataFrame(data)
writer = pd.ExcelWriter(r'text.xlsx')
a.to_excel(writer,sheet_name='1')
a.to_excel(writer,sheet_name='2')
writer.save()
writer.close()

写入新分表

import pandas as pd
import openpyxl
book = openpyxl.load_workbook(r'text.xlsx')
writer=pd.ExcelWriter(r'text.xlsx')
writer.book=book
writer.sheets=dict((ws.title,ws) for ws in book.worksheets)
data={'id':[5,2,8,4],'name':['H','B','C','D']}
a=pd.DataFrame(data)
a.to_excel(writer,sheet_name="3")
writer.save()
writer.close()

JSON文件读写

read_json（）

import pandas as pd
a=pd.read_json(r'text.json',encoding='utf8')
print(a)

序列化

import pandas as pd
a=pd.read_json(r'text.json',encoding='utf8')
b=pd.json_normalize(a.data)
print(a)
print(b)

写入

to_json( )

force_ascii为数据编码格式，默认为True，中文以Unicode形式写入，如果为False，中文以ANSI形式写入。

import pandas as pd
data={'id':[1,2,3],'name':['a','b','c']}
a=pd.DataFrame(data)
a.to_json('text.json',force_ascii=False)

SQL文件读取

import pymysql
con = pymysql.connect(host="127.0.0.1",port=3306,user='root',password='123456',db='test03',charset='utf8'
)
# 创建游标
cursor=con.cursor()
# 执行sql语句
cursor.execute("select * from test")
# 解释全部返回结果
res=cursor.fetchall()
print(res)
con.close()

Pandas读取MySQL数据库内容

import pymysql
import pandas as pd
con = pymysql.connect(host="127.0.0.1",port=3306,user='root',password='123456',db='test03',charset='utf8'
)
sql="select * from test"
pd=pd.read_sql_query(sql,con)
print(pd)