一、Pandas的讀取數據和文件的函數

?

二、常用函數?
read_csv() 讀取以‘，’分割的文件到DataFrame?
read_table()讀取以‘/t’分割的文件到DataFrame?
實質上是通用的，在實際使用中可以通過對sep參數的控制來對任何文本文件讀取。?
1、參數說明?

2、實例：?
文本內容為：?
?
（1）該文本中的分割符既有空格又有制表符（‘/t’），sep參數用‘/s+’，可以匹配任何空格。?
代碼如下：

import pandas as pd df_txt = pd.read_csv('BSEP_NMC_ATME_SOB_EAQI_ACHN_LNO_P9_20160101060000000.TXT',sep='\s+') print df_txt

結果：

diamond 98286 31 102 34 1 20 34 0.217 6 41 21 19 98249 31 102 23 1 12 23 0.496 17 29 18 3 98204 31 102 43 1 16 43 0.162 29 19 14 2 98138 41 80 119 3 90 9999 3.864 73 7 12 21 98105 41 80 206 5 156 160 4.388 81 40 40 26 98067 38 105 36 1 25 9999 0.822 14 40 40 31 98025 38 105 26 1 18 26 0.879 16 75 75 27 99980 38 105 24 1 13 17 0.199 4 76 77 22 98502 47 88 29 1 4 10 2.637 3 90 88 3

（2）為行和列添加索引?
用參數names添加列索引，用index_col添加行索引

import pandas as pd df_txt = pd.read_csv('BSEP_NMC_ATME_SOB_EAQI_ACHN_LNO_P9_20160101060000000.TXT',sep='\s+',names=['1','2','3','4','5','6','7','8','9','10','11'],index_col=0) print df_txt

結果如下：

2 3 4 5 6 7 8 9 10 11 1 diamond NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 98286 31.0 102.0 34.0 1.0 20.0 34.0 0.217 6.0 41.0 21.0 98249 31.0 102.0 23.0 1.0 12.0 23.0 0.496 17.0 29.0 18.0 98204 31.0 102.0 43.0 1.0 16.0 43.0 0.162 29.0 19.0 14.0 98138 41.0 80.0 119.0 3.0 90.0 9999.0 3.864 73.0 7.0 12.0 98105 41.0 80.0 206.0 5.0 156.0 160.0 4.388 81.0 40.0 40.0 98067 38.0 105.0 36.0 1.0 25.0 9999.0 0.822 14.0 40.0 40.0 98025 38.0 105.0 26.0 1.0 18.0 26.0 0.879 16.0 75.0 75.0 99980 38.0 105.0 24.0 1.0 13.0 17.0 0.199 4.0 76.0 77.0 98502 47.0 88.0 29.0 1.0 4.0 10.0 2.637 3.0 90.0 88.0

（3）我們不想要diamond那一行，可以用header來控制?
代碼如下：

import pandas as pd df_txt = pd.read_csv('BSEP_NMC_ATME_SOB_EAQI_ACHN_LNO_P9_20160101060000000.TXT',sep='\s+',names=['1','2','3','4','5','6','7','8','9','10','11'],index_col=0,header=1) print df_txt

結果如下：

1 2 3 4 5 6 7 8 9 10 11 98249 31 102 23 1 12 23 0.496 17 29 18 3 98204 31 102 43 1 16 43 0.162 29 19 14 2 98138 41 80 119 3 90 9999 3.864 73 7 12 21 98105 41 80 206 5 156 160 4.388 81 40 40 26 98067 38 105 36 1 25 9999 0.822 14 40 40 31 98025 38 105 26 1 18 26 0.879 16 75 75 27 99980 38 105 24 1 13 17 0.199 4 76 77 22 98502 47 88 29 1 4 10 2.637 3 90 88 3

這里讀取文件用的read_csv( )，用read_table( )的結果是一樣的。
---------------------?
原文：https://blog.csdn.net/shener_m/article/details/81047669?

總結

以上是生活随笔為你收集整理的Pandas常用I/O（一）------read_csv(),read_table()的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。