Python之pandas数据加载、存储
0. 输入与输出大致可分为三类:
0.1 读取文本文件和其他更好效的磁盘存储格式
2.2 使用数据库中的数据
0.3 利用Web API操作网络资源
1. 读取文本文件和其他更好效的磁盘存储格式
pandas提供了一些用于将表格型数据读取为DataFrame对象的函数。
1.1 pandas中的解析函数：
read_csv 从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为逗号
read_table 从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为制表符（" "）
read_clipboard 读取剪贴板中的数据，可以看做read_table的剪贴板版。在将网页转换为表格时很有用
其中，read_csv、read_table使用较多。
1.2 逐块读取文本文件
读取几行nrows
逐块读取chunksize(行数)
1.3 将数据写到文本格式
利用DataFrame的to_csv
2. 使用数据库中的数据
2.1 使用关系型数据库中的数据，可以使用Python SQL驱动器（PyODBC、psycopg2、MySQLdb、pymssql等）
2.2 使用非关系型数据库中的数据，如MongoDB，用其官方驱动器pymongo通过默认端口进行连接。
3. 利用Web API操作网络资源
3.1 应用lxml.html处理HTML
步骤：
1）利用urllib2将URL打开，然后由lxml解析得到数据流
2）得到URL和链接文本
使用文档根节点的findall方法以及一个XPath，以及个对象的get方法（针对URL）和text_content方法（针对显示文本）
3）通过反复试验从文档中找到正确表格
4）将所有步骤结合起来，将数据转换为一个DataFrame
3.2 应用lxml.objectify处理XML
1）使用lxml.objetify解析文件
2）通过getroot得到XML文件的根节点
3.3 使用网站通过JSOM及其他格式提供数据的公共的API
使用requests包访问这些API