pandas文件读取

文件读取与存储

我们的数据大部分存在于文件当中，所以pandas会支持复杂的IO操作，pandas的API支持众多的文件格式，如CSV、SQL、XLS、JSON、HDF5。

CSV

读取：read_csv

pandas.read_csv(filepath_or_buffer, sep =',', usecols )

• filepath_or_buffer:文件路径
• sep :分隔符，默认用","隔开
• usecols:指定读取的列名，列表形式

 存储：

to_csv

DataFrame.to_csv(path_or_buf=None, sep=', ’, columns=None, header=True, index=True, mode='w', encoding=None)

• path_or_buf :文件路径
• sep :分隔符，默认用","隔开
• columns :选择需要的列索引
• header :boolean or list of string, default True,是否写进列索引值
• index:是否写进行索引
• mode:'w'：重写, 'a' 追加

HDF5

read_hdf与to_hdf

HDF5文件的读取和存储需要指定一个键，值为要存储的DataFrame

• pandas.read_hdf(path_or_buf，key =None，** kwargs)

  从h5文件当中读取数据

  • path_or_buffer:文件路径
  • key:读取的键
  • return:Theselected object

• DataFrame.to_hdf(path_or_buf, key, *kwargs*)

读取：

• 存储文件

注意：优先选择使用HDF5文件存储

• HDF5在存储的时候支持压缩，使用的方式是blosc，这个是速度最快的也是pandas默认支持的
• 使用压缩可以提磁盘利用率，节省空间
• HDF5还是跨平台的，可以轻松迁移到hadoop 上面

JSON

JSON是我们常用的一种数据交换格式，前面在前后端的交互经常用到，也会在存储的时候选择这种格式。所以我们需要知道Pandas如何进行读取和存储JSON格式。

read_json

pandas.read_json(path_or_buf=None, orient=None, typ='frame', lines=False)

• 将JSON格式准换成默认的Pandas DataFrame格式
• orient : string,Indication of expected JSON string format.
  • 'split' : dict like {index -> [index], columns -> [columns], data -> [values]}
    • split 将索引总结到索引，列名到列名，数据到数据。将三部分都分开了
  • 'records' : list like [{column -> value}, ... , {column -> value}]
    • records 以columns：values的形式输出
  • 'index' : dict like {index -> {column -> value}}
    • index 以index：{columns：values}...的形式输出
  • 'columns' : dict like {column -> {index -> value}},默认该格式
    • colums 以columns:{index:values}的形式输出
  • 'values' : just the values array
    • values 直接输出值
• lines : boolean, default False
  • 按照每行读取json对象
• typ : default ‘frame’， 指定转换成的对象类型series或者dataframe

 存储：