阅读类型及其论点

1.读取CSV文件

读取CSV文件是数据数据中最常见的任务之一。 PANDA为此目的提供read_csv()功能。一些重要的论点是：

• filepath：通往CSV文件的路径。
• sep或delimiter：字符用作字段之间的定界符。
• header：用作列的行。
列。
• index_col：将用作数据框的列。
• usecols：选择要阅读的列列表。
• skiprows：在文件的解算中跳跃的行数。
• nrows：无法从文件中读取行。

CSV文件阅读示例：

import pandas as pd

dados_csv = pd.read_csv('dados.csv', sep=',', header=0, index_col='ID', usecols=['ID', 'Nome'], skiprows=3, nrows=10)
print(dados_csv)

2.读取Excel文件

要读取Excel电子表格数据，Pandas提供了Koudde11功能。关键参数包括：

• io：Excel文件的路径。
• sheet_name：要读的电子表格的名称。
• header：用作列的行。
列。
• index_col：将用作数据框的列。
• usecols：选择要阅读的列列表。
• skiprows：在文件的解算中跳跃的行数。
• nrows：无法从电子表格中读取行。

excel文件阅读示例：

import pandas as pd

dados_excel = pd.read_excel('dados.xlsx', sheet_name='Planilha1', header=0, index_col='ID', usecols=['ID', 'Nome'], skiprows=2, nrows=5)
print(dados_excel)

3. SQL数据阅读

为了从SQL数据库中获取数据，read_sql()是基本的。重要论点包括：

• sql：将执行的SQL咨询。
• con：与数据库的连接。
• index_col：将用作数据框的列。
• params：SQL查询的Parah¢米的字典。

SQL数据的示例阅读：

import pandas as pd
from sqlalchemy import create_engine

conexao = create_engine('sqlite:///banco.db')
consulta = "SELECT * FROM tabela WHERE idade > :idade"
parametros = {'idade': 25}
dados_sql = pd.read_sql(consulta, conexao, index_col='ID', params=parametros)
print(dados_sql.head())

包括£o

panda中的read()功能提供了各种各样的选项，可以从数据范围的徒劳来源加载数据。通过了解每种类型的阅读的特定参数，您可以自定义数据的充电方式和处理方式。熊猫在处理不同的数据格式时的多功能性使其成为Python数据衰减的必不可少的工具。请记住要查阅大熊猫的官方文档，以了解有关每个阅读功能的高级论点和功能的更多详细信息。