Pandas 是 Python 中用于数据分析的库,它提供了强大的数据处理和分析功能。在 Pandas 中,数据读取与存储是非常重要的一部分。
一、数据读取
Pandas 提供了多种方法来读取不同格式的数据,如 CSV、Excel、SQL 等。
1. 读取 CSV 文件:使用 `pandas.read_csv()` 函数可以读取 CSV 文件。例如:
```python
import pandas as pd
df = pd.read_csv('file.csv')
```
2. 读取 Excel 文件:使用 `pandas.read_excel()` 函数可以读取 Excel 文件。例如:
```python
import pandas as pd
df = pd.read_excel('file.xlsx', sheet_name='Sheet1')
```
3. 读取 SQL 数据库:使用 `pandas.read_sql_query()` 函数可以读取 SQL 数据库中的数据。例如:
```python
import pandas as pd
import sqlite3
conn = sqlite3.connect('my_database.db')
df = pd.read_sql_query("SELECT * FROM my_table", conn)
```
二、数据存储
Pandas 同样提供了多种方法来存储数据,如 CSV、Excel、SQL 等。
1. 存储为 CSV 文件:使用 `DataFrame.to_csv()` 方法可以将 DataFrame 存储为 CSV 文件。例如:
```python
df.to_csv('output.csv', index=False)
```
2. 存储为 Excel 文件:使用 `DataFrame.to_excel()` 方法可以将 DataFrame 存储为 Excel 文件。例如:
```python
df.to_excel('output.xlsx', sheet_name='Sheet1', index=False)
```
3. 存储到 SQL 数据库:使用 `DataFrame.to_sql()` 方法可以将 DataFrame 存储到 SQL 数据库中。例如:
```python
import sqlite3
conn = sqlite3.connect('my_database.db')
df.to_sql('my_table', conn, if_exists='replace', index=False)
```
以上就是 Pandas 的数据读取与存储的基本操作。