python处理数据文件第一步是要读取数据，文件类型主要包括文本文件(csv、txt等)、excel文件、数据库文件、api等。
下面整理下python有哪些方式可以读取数据文件。
1. python内置方法(read、readline、readlines)
- read() ： 一次性读取整个文件内容。推荐使用read(size)方法，size越大运行时间越长
- readline() ：每次读取一行内容。内存不够时使用，一般不太用
- readlines() ：一次性读取整个文件内容，并按行返回到list，方便我们遍历
具体用法可见： 一文搞懂python文件读写
2. 内置模块(csv)
python内置了csv模块用于读写csv文件，csv是一种逗号分隔符文件，是数据科学中最常见的数据存储格式之一。 csv模块能轻松完成各种体量数据的读写操作，当然大数据量需要代码层面的优化。
- csv模块读取文件
# 读取csv文件import csv with open('test.csv','r') as myFile: lines=csv.reader(myFile) for line in lines: print (line)
- csv模块写入文件
import csv with open('test.csv','w+') as myFile: myWriter=csv.writer(myFile) # writerrow一行一行写入 myWriter.writerow([7,8,9]) myWriter.writerow([8,'h','f']) # writerow多行写入 myList=[[1,2,3],[4,5,6]] myWriter.writerows(myList)
3. 使用numpy库(loadtxt、load、fromfile)
- loadtxt方法 loadtxt用来读取文本文件(包含txt、csv等)以及.gz 或.bz2格式压缩文件，前提是文件数据每一行必须要有数量相同的值。
import numpy as np# loadtxt()中的dtype参数默认设置为float# 这里设置为str字符串便于显示np.loadtxt('test.csv',dtype=str)# out：array(['1,2,3', '4,5,6', '7,8,9'], dtype='
- load方法 load用来读取numpy专用的.npy, .npz 或者pickled持久化文件。
import numpy as np# 先生成npy文件np.save('test.npy', np.array([[1, 2, 3], [4, 5, 6]]))# 使用load加载npy文件np.load('test.npy')'''out:array([[1, 2, 3], [4, 5, 6]])'''
- fromfile方法 fromfile方法可以读取简单的文本数据或二进制数据，数据来源于tofile方法保存的二进制数据。读取数据时需要用户指定元素类型，并对数组的形状进行适当的修改。
import numpy as npx = np.arange(9).reshape(3,3)x.tofile('test.bin')np.fromfile('test.bin',dtype=np.int)# out:array([0, 1, 2, 3, 4, 5, 6, 7, 8])
4. 使用pandas库(read_csv、read_excel等)
pandas是数据处理最常用的分析库之一，可以读取各种各样格式的数据文件，一般输出dataframe格式。 如：txt、csv、excel、json、剪切板、数据库、html、hdf、parquet、pickled文件、sas、stata等等
- read_csv方法 read_csv方法用来读取csv格式文件，输出dataframe格式。
import pandas as pdpd.read_csv('test.csv')
- read_excel方法 读取excel文件，包括xlsx、xls、xlsm格式
import pandas as pdpd.read_excel('test.xlsx')
- read_table方法 通过对sep参数(分隔符)的控制来对任何文本文件读取
- read_json方法 读取json格式文件
df = pd.DataFrame([['a', 'b'], ['c', 'd']],index=['row 1', 'row 2'],columns=['col 1', 'col 2'])j = df.to_json(orient='split')pd.read_json(j,orient='split')
- read_html方法 读取html表格
- read_clipboard方法 读取剪切板内容
- read_pickle方法 读取plckled持久化文件
- read_sql方法 读取数据库数据，连接好数据库后，传入sql语句即可
- read_dhf方法 读取hdf5文件，适合大文件读取
- read_parquet方法 读取parquet文件
- read_sas方法 读取sas文件
- read_stata方法 读取stata文件
- read_gbq方法 读取google bigquery数据
pandas学习网站： https://pandas.pydata.org/
5、读写excel文件(xlrd、xlwt、openpyxl等)
python用于读写excel文件的库有很多，除了前面提到的pandas，还有xlrd、xlwt、openpyxl、xlwings等等。
主要模块：
- **xlrd库：**从excel中读取数据，支持xls、xlsx
- **xlwt库：**对excel进行修改操作，不支持对xlsx格式的修改
- **xlutils库：**在xlw和xlrd中，对一个已存在的文件进行修改
- **openpyxl：**主要针对xlsx格式的excel进行读取和编辑
- **xlwings：**对xlsx、xls、xlsm格式文件进行读写、格式修改等操作
- **xlsxwriter：**用来生成excel表格，插入数据、插入图标等表格操作，不支持读取
- **Microsoft Excel API：**需安装pywin32，直接与Excel进程通信，可以做任何在Excel里可以做的事情，但比较慢
6. 操作数据库(pymysql、cx_Oracle等)
python几乎支持对所有数据库的交互，连接数据库后，可以使用sql语句进行增删改查。
主要模块：
- **pymysql：**用于和mysql数据库的交互
- **sqlalchemy：**用于和mysql数据库的交互
- **cx_Oracle：**用于和oracle数据库的交互
- **sqlite3：**内置库，用于和sqlite数据库的交互
- **pymssql：**用于和sql server数据库的交互
- **pymongo：**用于和mongodb非关系型数据库的交互
- **redis、pyredis：**用于和redis非关系型数据库的交互
使用参考地址： https://blog.csdn.net/a87b01c14/article/details/51546727
关于如何使用python连接mysql： pymysql操作实例
