数据分析（二）——导入外部数据，导入Excel数据，CSV文件，txt文件，HTML网页，数据抽取，DataFrame对象的loc属性与iloc属性

一.导入外部数据

1.导入.xIs或.xIsx文件

pd.read_ excel(io,sheet_ name,header)

1.1常用参数说明

●io:表示.xIs或.xIsx文件路径或类文件对象
●sheet name:表示工作表，取值如下表所示
●header:默认值为0，取第一行的值为列名，数据为除列名以外的数据，如果数据不包含列名，则设置header=None

其中，评论内容，评论时间，购买颜色，鞋码都是header

导入外部数据示例：

导入第二列数据，其中有多个列和标头时

导入多列

2.导入CSV文件

 pd.read_csv(filepath_or_buffer,sep=',',header,encoding=None)

2.1常用参数说明

filepath_or_buffer：字符串、文件路径，也可以是URL链接
sep：字符串、分隔符
header：指定作为列名的行，默认值为0，即取第一行的值为列名。数据为除列名以
外的数据，若数据不包含列表，则设置header=None
encoding：字符串，默认值为None，文件的编码格式

示例如下：

3.导入txt文件

pd.read. _csvV(filepath. or_ buffer sep= \t ,header,encoding=None)

分割符号不再是"  ,   " 而是\t，此时导入的是TXT格式sep 和 header 都要注意

4.导入HTML网页

pd.read_ html(io,match='.+ ',flavor,header,encoding)参数说明

io:字符串、文件路径，了可以是URL链接，网址不接受https 

match:正则表达式
flavor: 解释器，默认为'lxml'
header:指定列标题所在的行
encoding:文件的编码格式

示例导入网页NBA球员的薪水表：

还可以进行存储，保存成CSV文件

5.数据抽取

DataFrame对象的loc属性与iloc属性

loc属性

以列名（columns）和行名（index）作为参数，当只有一个参数时，默认是行名，即抽取整行数据包括所有列。

iloc属性

以行和列位置索引（即：0,1,2,..）作为参数，0表示第一行，1表示第2行，以此类推。当只有一个参数时，默认是行索引，即抽取整行数据，包括所有列。

提取行数据

import pandas as pd
pd.set_option('display.unicode.east_asian_width',True)
data = [[45,65,100],[56,45,50],[67,67,67]]
index = ['张三','李四','王五']
columns = ['数学','语文','英语']
df = pd.DataFrame(data=data,index=index,columns=columns)
print(df)
print('------------------------')
# 提取行数据
print(df.loc['张三'])

# 提取列数据
print(df.iloc[0])

其中二者都可以使用

行索引名称，包含王五，利用切片

 

print(df.iloc[0,2])# 行索引序号，含0 不含2

 

提取连续数据可以使用切片