使用python读取和保存为excelcsvtxt文件以及对DataFrame文件的基本操作

Posted 来包番茄沙司

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了使用python读取和保存为excelcsvtxt文件以及对DataFrame文件的基本操作相关的知识,希望对你有一定的参考价值。

文章目录

一、对excel文件的处理

1.读取excel文件并将其内容转化DataFrame和矩阵形式

①将excel转化为dataframe格式

data_file = 'Pre_results.xlsx' # Excel文件存储位置
D = pd.read_excel('Pre_results.xlsx')
print(D)

②将excel转化为矩阵格式
首先要说明的一点是,同一个矩阵中所有元素必须是同一类型
例如,生成矩阵时,我们可以为矩阵指定类型dtype=str、int、float等。

# 生成一个2×2的类型为str的矩阵
import numpy as np
datamatrix = np.zeros((2, 2),dtype = str)
print(datamatrix)


可见,在这个矩阵中的元素都是str类型。
代码实战:
首先看一下我们要处理的excel文件的内容。

下面直接上代码。

import numpy as np
import xlrd
def import_excel_matrix(path):
    table = xlrd.open_workbook(path).sheets()[0] # 获取第一个sheet表
    row = table.nrows # 行数
    #print(row)
    col = table.ncols # 列数
    datamatrix = np.zeros((row, col),dtype = float) # 生成一个nrows行*ncols列的初始矩阵,在excel中,类型必须相同,否则需要自己指定dtype来强制转换。
    for i in range(col): # 对列进行遍历 向矩阵中放入数据
        #print(table.col_values(i)) #是矩阵
        cols = np.matrix(table.col_values(i)) # 把list转换为矩阵进行矩阵操作
        #print(cols)
        #cols = float(cols)
        datamatrix[:, i] = cols # 按列把数据存进矩阵中
    return datamatrix
data_file = 'to_matrix.xlsx' # Excel文件存储位置
data_matrix = import_excel_matrix(data_file)
print(data_matrix)

运行结果:

2.将数据写入xlsx文件

# 1.导入openpyxl模块
import openpyxl
# 2.调用Workbook()方法
wb = openpyxl.Workbook()
# 3. 新建一个excel文件,并且在单元表为"sheet1"的表中写入数据
ws = wb.create_sheet("sheet1")
# 4.在单元格中写入数据
# ws.cell(row=m, column=n).value = *** 在第m行n列写入***数据
ws.cell(row=1, column=1).value = "时间"
ws.cell(row=1, column=2).value = "零食"
ws.cell(row=1, column=3).value = "是否好吃"
# 5.保存表格
wb.save('嘿嘿.xlsx')
print('保存成功!')

3.将数据保存为xlsx文件

import xlwt
workbook=xlwt.Workbook(encoding='utf-8')
booksheet=workbook.add_sheet('Sheet 1', cell_overwrite_ok=True)
DATA=(('学号','姓名','年龄','性别','成绩'), 
('1001','A','11','男','12'),
('1002','B','12','女','22'),
('1003','C','13','女','32'),
('1004','D','14','男','52'),)
for i,row in enumerate(DATA):
    for j,col in enumerate(row):
        booksheet.write(i,j,col)
workbook.save('grade.xls')

4.使用excel对数据进行处理的缺点

只能一行一行的读出和写入,且矩阵形式只可以存放相同类型的数据,效率不高。

二、对csv文件的处理

1.读取csv文件并将其内容转化为DataFrame形式

import pandas as pd
df = pd.read_csv('to_df.csv') #,nrows =6) nrows=6表示只读取前六行数据
print(df)

2.将DataFrame保存为csv文件

df.to_csv('df_to_csv.csv')

3.优缺点

①CSV是纯文本文件,excel不是纯文本,excel包含很多格式信息在里面。
②CSV文件的体积会更小,创建分发读取更加方便,适合存放结构化信息,比如记录的导出,流量统计等等。
③CSV文件在windows平台默认的打开方式是excel,但是它的本质是一个文本文件。
④csv文件只有一个sheet,太多的表不易保存,注意命名规范。

三、对txt文件的处理

1.读取txt文件

f=open('data.txt')
print(f.read())

2.将数据写入txt文件

注意不能将DataFrame写入txt文件,只能写入字符串。

f = open('data.txt','w', encoding='utf-8') #打开文件,若文件不存在系统自动创建
#w只能写入操作 r只能读取 a向文件追加;w+可读可写 r+可读可写 a+可读可追加;wb+写入进制数据
#w模式打开文件,如果文件中有数据,再次写入内容,会把原来的覆盖掉
f.write('hello world! = %.3f' % data) #write写入
f.writelines(['hello!\\n']) #writelines 将列表中的字符串写入文件 但不会换行 参数必须是一个只存放字符串的列表
f.close() #关闭文件

3.将数据保存到txt文件

save_path= 'save.txt'
np.savetxt(save_path, data, fmt='%.6f')

四、对DataFrame文件的基本操作

1.DataFrame的创建

①DataFrame是一种表格型数据结构,(每一列的数据类型可以不同,而矩阵必须相同)它含有一组有序的列,每列可以是不同的值。
DataFrame既有行索引,也有列索引,(调用其值时用)它可以看作是由Series组成的字典,不过这些Series公用一个索引。
③DataFrame的创建有多种方式,可以根据dict进行创建,也可以读取csv或者txt文件来创建。这里主要介绍这两种方式。

1.1根据字典创建

data = 
    'state':['Ohio','Ohio','Ohio','Nevada','Nevada'],
    'year':[2000,2001,2002,2001,2002],
    'pop':[1.5,1.7,3.6,2.4,2.9]

frame = pd.DataFrame(data)
frame

#输出
    pop state   year
0   1.5 Ohio    2000
1   1.7 Ohio    2001
2   3.6 Ohio    2002
3   2.4 Nevada  2001
4   2.9 Nevada  2002

DataFrame的行索引是index,列索引是columns,我们可以在创建DataFrame时指定索引的值:

frame2 = pd.DataFrame(data,index=['one','two','three','four','five'],columns=['year','state','pop','debt'])
frame2

#输出
    year    state   pop debt
one 2000    Ohio    1.5 NaN
two 2001    Ohio    1.7 NaN
three   2002    Ohio    3.6 NaN
four    2001    Nevada  2.4 NaN
five    2002    Nevada  2.9 NaN

使用嵌套字典也可以创建DataFrame,此时外层字典的键作为列,内层键则作为索引:

pop = 'Nevada':2001:2.4,2002:2.9,'Ohio':2000:1.5,2001:1.7,2002:3.6
frame3 = pd.DataFrame(pop)
frame3
#输出
    Nevada  Ohio
2000    NaN 1.5
2001    2.4 1.7
2002    2.9 3.6

我们可以用index,columns,values来访问DataFrame的行索引,列索引以及数据值,数据值返回的是一个二维的ndarray

frame2.values
frame2.values[0,1]

1.2读取文件

读取文件生成DataFrame最常用的是read_csv,read_table方法。该方法中几个重要的参数如下所示:

其他创建DataFrame的方式有很多,比如我们可以通过读取mysql或者mongoDB来生成,也可以读取json文件等等,这里就不再介绍。

1.3 DataFrame文件拼接

df = df1.append([df2,df3], ignore_index = True)

2.DataFrame轴的概念

在DataFrame的处理中经常会遇到轴的概念,这里先给大家一个直观的印象,我们所说的axis=0即表示沿着每一列或行标签\\索引值向下执行方法,axis=1即表示沿着每一行或者列标签模向执行对应的方法。

3.DataFrame一些性质

3.1索引、切片

我们可以根据列名来选取一列,返回一个Series:

frame2['year'] #索引列名

索引多列

data = pd.DataFrame(np.arange(16).reshape((4,4)),index = ['Ohio','Colorado','Utah','New York'],columns=['one','two','three','four'])
data[['two','three']]

索引多行

data[:2] #第一行和第二行
#输出
    one two three   four
Ohio    0   1   2   3
Colorado    4   5   6   7

索引时,如果要是用标签,最好使用loc方法,如果使用下标,最好使用iloc方法。

data.loc['Colorado',['two','three']]
#输出
two      5
three    6
Name: Colorado, dtype: int64

data.iloc[0:3,2]
#输出
Ohio         2
Colorado     6
Utah        10
Name: three, dtype: int64

3.2修改数据

可以使用一个标量修改DataFrame中的某一列,此时这个标量会广播到DataFrame的每一行上。

data = 
    'state':['Ohio','Ohio','Ohio','Nevada','Nevada'],
    'year':[2000,2001,2002,2001,2002],
    'pop':[1.5,1.7,3.6,2.4,2.9]

frame2 = pd.DataFrame(data,index=['one','two','three','four','five'],columns=['year','state','pop','debt'])
frame2
frame2['debt']=16.5

也可以使用一个列表来修改,不过要保证列表的长度与DataFrame长度相同:

frame2.debt = np.arange(5)

可以使用一个Series,此时会根据索引进行精确匹配:

val = pd.Series([-1.2,-1.5,-1.7],index=['two','four','five'])
frame2['debt'] = val

3.3算数运算

DataFrame在进行算术运算时会进行补齐,在不重叠的部分补足NA

df1 = pd.DataFrame(np.arange(9).reshape((3,3)),columns=list('bcd'),index=['Ohio','Texas','Colorado'])
df2 = pd.DataFrame(np.arange(12).reshape((4,3)),columns = list('bde'),index=['Utah','Ohio','Texas','Oregon'])
df1 + df2

3.4函数应用和映射

numpy的元素级数组方法,也可以用于操作Pandas对象:

frame = pd.DataFrame(np.random.randn(3,3),columns=list('bcd'),index=['Ohio','Texas','Colorado'])
np.abs(frame)

另一个常见的操作是,将函数应用到由各列或行所形成的一维数组上。DataFrame的apply方法即可实现此功能。

f = lambda x:x.max() - x.min()
frame.apply(f)

3.5排序和排名

对于DataFrame,sort_index可以根据任意轴的索引进行排序,并指定升序降序

frame = pd.DataFrame(np.arange(8).reshape((2,4)),index=['three','one'],columns=['d','a','b','c'])
frame.sort_index()

DataFrame也可以按照值进行排序:

#按照任意一列或多列进行排序
frame.sort_values(by=['a','b'])

3.6汇总和计算描述统计

DataFrame中的实现了sum、mean、max等方法,我们可以指定进行汇总统计的轴,同时,也可以使用describe函数查看基本所有的统计项:

df = pd.DataFrame([[1.4,np.nan],[7.1,-4.5],[np.nan,np.nan],[0.75,-1.3]],index=['a','b','c','d'],columns=['one','two'])
df.sum(axis=1)
#输出
one    9.25
two   -5.80
dtype: float64

#Na会被自动排除,可以使用skipna选项来禁用该功能
df.mean(axis=1,skipna=False)
#输出
a      NaN
b    1.300
c      NaN
d   -0.275
dtype: float64
#idxmax返回间接统计,是达到最大值的索引

df.idxmax()
#输出
one    b
two    d
dtype: object

#describe返回的是DataFrame的汇总统计
#非数值型的与数值型的统计返回结果不同
df.describe()

DataFrame也实现了corr和cov方法来计算一个DataFrame的相关系数矩阵和协方差矩阵,同时DataFrame也可以与Series求解相关系数。

frame1 = pd.DataFrame(np.random.randn(3,3),index=list('abc'),columns=list('abc'))
frame1.corr
frame1.cov()
#corrwith用于计算每一列与Series的相关系数
frame1.corrwith(frame1['a'])

3.7处理缺失数据

Pandas中缺失值相关的方法主要有以下三个:
isnull方法用于判断数据是否为空数据;
fillna方法用于填补缺失数据;
dropna方法用于舍弃缺失数据。

上面两个方法返回一个新的Series或者DataFrame,对原数据没有影响,如果想在原数据上进行直接修改,使用inplace参数:

data = pd.DataFrame([[1,6.5,3],[1,np.nan,np.nan],[np.nan,np.nan,np.nan],[np.nan,6.5,3]])
data.dropna()
#输出
    0   1   2
0   1.0 6.5 3.0

对DataFrame来说,dropna方法如果发现缺失值,就会进行整行删除,不过可以指定删除的方式,how=all,是当整行全是na的时候才进行删除,同时还可以指定删除的轴。

data.dropna(how='all',axis=1,inplace=True)
data
#输出
0   1   2
0   1.0 6.5 3.0
1   1.0 NaN NaN
2   NaN NaN NaN
3   NaN 6.5 3.0

DataFrame填充缺失值可以统一填充,也可以按列填充,或者指定一种填充方式:

data.fillna(1:2,2:3)
#输出
0   1   2
0   1.0 6.5 3.0
1   1.0 2.0 3.0
2   NaN 2.0 3.0
3   NaN 6.5 3.0

data.fillna(method='ffill')
#输出
0   1   2
0   1.0 6.5 3.0
1   1.0 6.5 3.0
2   1.0 6.5 3.0
3   1.0 6.5 3.0

3.8 其他

a = df.groupby(['device_category', 'media_category'])['exposure_last'].mean()

选择这两个特征 ‘device_category’, 'media_category’相同的行,根据’exposure_last’计算mean平均值(sum求和)。

Dataframe中的Series是什么?

1、series与array类型的不同之处为series有索引,而另一个没有;series中的数据必须是一维的,而array类型不一定
2、可以把series看成一个定长的有序字典,可以通过shape,index,values等得到series的属性

其他文件的操作

文件复制操作

import shutil
shutil.copyfile(dir1,dir2)

如果路径不存在创建路径

if not os.path.exists(datapath): 
	os.mkdir(datapath)

查看当前目录下内容

import os
all_files = os.listdir(os.getcwd())
print(all_files)
filenames = os.listdir(os.curdir)  #获取当前目录中的内容
print(filenames)

Pandas 导入excelcsvtxt 文件数据

导入数据主要用到的是 Pandas 里的 read_x()方法,x 表示待导入文件的格式。

导入.xlsx 文件

Python 中导入.xlsx 文件的方法是 read_excel()

基本导入

使用 read_excel()方法导入文件,首先要指定文件的路径,也就是这个文件在电脑中的哪个文件夹下存着。

导入.xlsx 文件

import pandas as pd
data = pd.read_excel(r'D:\\Python\\JupyterNotebook\\Pandas\\excelTest.xlsx')

在这里插入图片描述
电脑中的文件默认路径使用\\,这个时候需要在路径前面加一个 r(转义符)避免路径里面的\\被转义。也可以不加 r,但是需要把路径里面的所有\\转换成/,这个规则在导入其他格式文件时也是一样的,一般在路径前面加 r

指定导入

.xlsx 格式的文件有多个 Sheet,可以通过设定 sheet_name 参数来指定要导入哪个 Sheet 的文件。

导入.xlsx 文件时,指定导入哪个 Sheet

data = pd.read_excel(r'D:\\Python\\JupyterNotebook\\Pandas\\excelTest.xlsx', sheet_name='Sheet2')

除了可以指定具体 Sheet的名字,还可以传入 Sheet 的顺序,从 0 开始计数。

导入.xlsx 文件时,传入 Sheet 的顺序

import pandas as pd
data = pd.read_excel(r'D:\\Python\\JupyterNotebook\\Pandas\\excelTest.xlsx', sheet_name=0)

在这里插入图片描述
如果不指定 sheet_name 参数时,那么默认导入的都是第一个 Sheet 的文件。

指定行索引

将本地文件导入 DataFrame 时,行索引使用的从 0 开始的默认索引,可以通过设置 index_col 参数来设置。

import pandas as pd 
df = pd.read_excel(r"E:\\excelTest.xlsx",sheet_name=0,index_col=0) 

在这里插入图片描述
index_col 表示用.xlsx 文件中的第几列做行索引,从 0 开始计数。

指定列索引

将本地文件导入 DataFrame 时,默认使用源数据表的第一行作为列索引,也可以通过设置 header 参数来设置列索引。

header 参数值默认为 0,即用第一行作为列索引;也可以是其他行,只需要传入具体的那一行即可;

import pandas as pd 
df = pd.read_excel(r"E:\\excelTest.xlsx",header=1)

在这里插入图片描述

指定导入行

指定参数nrows

pd.read_excel(r'D:\\Python\\JupyterNotebook\\Pandas\\excelTest.xlsx', nrows=3)

在这里插入图片描述

指定导入列

有时候本地文件的列数太多,而我们又不需要那么多列时,我们就可以通过设置 usecols 参数来指定要导入的列。

导入.xlsx 文件时,通过 usecols 指定列索引

data = pd.read_excel(r'D:\\Python\\JupyterNotebook\\Pandas\\excelTest.xlsx', usecols=[0,])

在这里插入图片描述

导入.csv 文件

直接导入

导入时除了指明文件路径,还需要设置编码格式。

Python 中用得比较多的两种编码格式是 UTF-8gbk,默认编码格式是 UTF-8。我们要根据导入文件本身的编码格式进行设置, 通过设置参数 encoding 来设置导入的编码格式。

导入.csv 文件,文件编码格式是 gbk

import pandas as pd 
df = pd.read_csv(r"E:\\excelTest.csv",encoding='gbk')

在这里插入图片描述

指明分隔符

ExcelDataFrame 中的数据都是很规整的排列的,这都是工具在后台根据某条规则进行切分的。

read_csv() 默认文件中的数据都是以逗号分开的,但是有的文件不是用逗号分开的,这时候就需要人为指定分隔符号,否则就会报错。

导入.csv 文件,指明分隔符

data = pd.read_csv(r'D:\\Python\\JupyterNotebook\\Pandas\\excelTest.csv', encoding='gbk', sep='\\t')

在这里插入图片描述
从上面的示例可以看到,如果使用空格进行分隔,获取到的数据还是一个整体,并没有分开。

默认的逗号作为分隔符号进行分隔,数据被规整地分好了。

常用的分隔符除了逗号、 空格,还有制表符(\\t)

指明读取行数

如果有一个几百兆的文件,想了解一下这个文件里有哪些数据,那么这时候就没有必要把全部数据都导入,只要看到前面几行即可,可以通过设置 nrows 参数。

pd.read_csv(r"E:\\excelTest.csv",encoding='gbk',sep=',',nrows=1)

在这里插入图片描述

指明读取列数

pd.read_csv(r'D:\\Python\\JupyterNotebook\\Pandas\\excelTest.csv', encoding='gbk', usecols=[1,3])

在这里插入图片描述

engine 指定

文件路径或者文件名中包含中文时,如果还用上面的导入方式就会报错。

因为当调用 read_csv()方法时,默认使用 C 语言作为解析语言,可以通过设置 engine 参数,把默认值 C 改为 Python 就可以了,

如果文件格式是 CSV UTF-8(逗号分隔)(*.csv),那么编码格式也需要跟着变为 utf-8-sig

如果文件格式是 CSV(逗号分隔)(*.csv)格式,对应的编码格式则为 gbk

导入.csv 文件,engine 参数的使用

import pandas as pd 
pd.read_csv(r"E:\\文件\\excelTest.csv",engine='python',encoding='gbk')

在这里插入图片描述

.csv 文件也涉及行、列索引设置指定导入某列或某几列,设定方法与导入.xlsx文件一 致。

导入.txt 文件

导入.txt 文件用的方法是 read_table()read_table()是将利用分隔符分开的文件导入 DataFrame 的通用函数。它不仅仅可以导入.txt 文件,还可以导入.csv 文件。

导入.txt 文件

import pandas as pd 
pd.read_table(r"E:\\testFile.txt",encoding='gbk',sep='\\t')

在这里插入图片描述

txt文件默认分隔符不是,是\\t

pd.read_table(r'D:\\Python\\JupyterNotebook\\Pandas\\excelTest.txt', sep=',')  # txt文件默认分隔符不是,是\\t

在这里插入图片描述

使用 read_table()方法导入.csv 文件

data = pd.read_table(r'D:\\Python\\JupyterNotebook\\Pandas\\excelTest.csv', encoding='gbk', sep=',')  # read_table默认分隔符是\\t,不是,

查看数据

有了数据以后,先查看数据,只有对数据充分熟悉后,才能更好地进行分析。

head

tail

预览前、后几行

当数据表中包含数据行数过多时,我们只想看一下每一列数据都是什么样,可以只把数据的前几行或者后几行进行查看。

导入一个文件后,可以用 head()方法来控制要显示的前几行,tail()方法来控制要显示的后几行。

head()、tail() 方法中直接设置行数,默认展示 5 行。

预览前、后几行

data.head(3)
data.tail(3)

在这里插入图片描述

shape

调用 shape 获取数据表的大小

调用 shape 获取数据表的行、列数

import pandas as pd 
df = pd.read_excel(r"E:\\excelTest.xlsx") 
display(df,df.shape)

在这里插入图片描述

shape 方法会以元组的形式返回行、列数,上面代码中的(7,5)表示 df 表有 7 行 5 列 数据。

这里需要注意的是,Python 中利用 shape 方法获取行数和列数时不会把行索引列索引计算在内,而 Excel 中是把行索引列索引计算在内的。

info

调用 info()获取数据类型

查看数据的第二点就是看数据类型,不同的数据类型的分析思路是不一样的,比如 数值类型的数据可以求均值,但是字符串类型的数据就没法求均值了。 利用 info()查看数据表中的数据类型,而且不需要一列一列查看,在调用 info() 方法以后 就会输出整个表中所有列的数据类型。

调用 info()获取数据类型

import pandas as pd 
df = pd.read_excel(r"E:\\excelTest.xlsx") 
df.info()

在这里插入图片描述

describe

查看数据的第三点就是掌握数值的分布情况,即均值是多少,最大最小是多少,方差即分位数分别又是多少。 调用 describe() 方法就可以获取所有数值类型字段的分布值。

调用 describe()获取数值分布情况

data.describe()

在这里插入图片描述

在这里插入图片描述

勇敢猪猪 不怕困难 (* ̄︶ ̄) 跟个风,嘻嘻。

感谢!

加油!

努力!

以上是关于使用python读取和保存为excelcsvtxt文件以及对DataFrame文件的基本操作的主要内容,如果未能解决你的问题,请参考以下文章

Python Numpy中数据的常用的保存与读取方法

python读取图像的几种方式

python值大于0的数据保存

python怎么把字符串保存到txt文件,再读取txt文件转换为字符串?

在 Python MIDI MIDO 读取/保存文件中转换时间/刻度

python基础:json文件保存与读取