第四节 pandas 数据加载

　　pandas提供了一些用于将表格型数据读取为DataFrame对象的函数，其中read_csv和read_table这两个使用最多。

#导包
import pandas as pd
from pandas import DataFrame,Series
import numpy as np

一 文件操作

1.1  读取文件

• 文件数据

• 读取代码

df = pd.read_csv('./data-07/type-.txt',sep='-',header=None)
# sep:分隔符
# header:None首行不作为列索引

• 效果展示

 

1.2 写入文件

#写入excel文件 :df.to_excel('name.xlsx')
pd.excel('./eee.xls')

 

二 数据库MysqL 操作（pyMysqL）

2.1 读取数据库

(1)更新pyMysqL 

在cmd中利用conda命令输入：conda update 库名，例如conda update pyMysqL，并回车，如下图所示

推荐文章：

库更新及jupyter-notebook默认目录更改方法:https://blog.csdn.net/zenghaitao0128/article/details/78241146

(2) 导包

import pandas as pd
import pyMysqL
import sys
from sqlalchemy import create_engine

 

(3) 创建conn管道

#连接数据库，获取连接对象
conn = create_engine('MysqL+pyMysqL://root:123@localhost:3306/day02?charset=utf8')

 

(4) 展示数据库中的数据

sql='select *from student;' #书写MysqL语句

#读取库表中的数据值
df=pd.read_sql(sql,conn)
df

 

 

conn创建参数详解

import pandas as pd
from sqlalchemy import create_engine
 
##将数据写入MysqL的数据库，但需要先通过sqlalchemy.create_engine建立连接,且字符编码设置为utf8，否则有些latin字符不能处理
conn = create_engine('MysqL+MysqLdb://root:password@localhost:3306/databasename?charset=utf8')
pd.io.sql.to_sql(thedataframe,'tablename', conn, schema='databasename', if_exists='append')

参数解释：

第一个参数thedataframe是需要导入的pd dataframe,

第二个参数tablename是将导入的数据库中的表名

第三个参数conn是启动数据库的接口，pd 1.9以后的版本，除了sqllite，均需要通过sqlalchemy来设置

第四个参数databasename是将导入的数据库名字

第五个参数if_exists='append'的意思是，如果表tablename存在，则将数据添加到这个表的后面



sqlalchemy.create_engine是数据库引擎

('MysqL+MysqLdb://root:password@localhost:3306/databasename?charset=utf8')的解释

MysqL是要用的数据库

MysqLdb是需要用的接口程序

root是数据库账户

password是数据库密码

localhost是数据库所在服务器的地址，这里是本机

3306是MysqL占用的端口

elonuse是数据库的名字

charset=utf8是设置数据库的编码方式，这样可以防止latin字符不识别而报错

原文：https://blog.csdn.net/biboshouyu/article/details/54139641 

2.2 DadaFrame数据写入数据库

yconnect = create_engine('MysqL+pyMysqL://root:123@localhost:3306/day02?charset=utf8')
#将一个df中的数据值写入存储到
df=DataFrame(data=np.random.randint(0,100,size=(2,3)))
df
df.to_sql('text',con=yconnect,if_exists='replace')