2.2 數據讀取和存儲

2.2.1 Excel文件的讀取

1.文件路徑的切換

要讀取某一個文件中的數據，必須先告訴Python這個文件所在的位置，即輸入文件路徑。

現有一個名為data1的Excel文件，存放在如圖2-2所示的位置。

通過導入os系統模塊，把Python切換到這個文件路徑下：

os.chdir（）是實現系統文件路徑切換的方法，可在其括號中輸入我們從系統中復制的文件地址。

需要注意的是，路徑前面加了一個r。文件路徑一般都包含斜杠，而斜杠在Python中會有其他含義（如轉義），在路徑前加r相當于告訴Python路徑里的內容沒有其他意思，從而保證路徑被程序完整、準確地理解。

2.read_excel（）的用法

切換完路徑之后，用Pandas的pd.read_excel（'具體文件名'）（這里為data1.xlsx）來讀取Excel文件：

運行結果如下：

上面只賦予Excel名稱的讀取方式，默認打開的是第一個工作表（sheet）。當一個Excel文件包含多個工作表時，通過指定具體sheet_name的方式實現更精準的讀取：

讀取結果如下：

3.header和names

data1.xlsx中sheet1的數據源如表2-3所示。

Pandas在讀取的時候很智能地把第一行當作了表頭來處理，數據則從第二行開始。

假如我們遇到了sheet2中的數據，當時在Excel文件中只保存了數據，而沒有保存表頭，如表2-4所示。

如果用Pandas直接讀取，默認將第一行當作表頭的規則就顯得不那么智能了，讀取和展示結果如圖2-3所示。

這個時候可以把header參數設置成None，來告訴Pandas源數據中沒有表頭，效果如圖2-4所示。

如果將header設置成None，默認的表頭是從0～3的幾個數字，很不美觀。我們可以在讀取的時候通過names參數，把表頭設置成我們期望的內容，如圖2-5所示。

當然，header除了設置成None，還可以設置成數字，代表在讀取時把第幾行數據作為表頭。假如我們想要把Sheet1中的小明所在的第二行作為表頭，只需把header設置成1（Python中計數從0開始）即可，如圖2-6所示。

這樣一來，小明對應的數據行就成了表頭。

4.其他參數

除了默認或指定Sheet讀取、設置數據表頭，Pandas讀取數據還有很多靈活操作的參數，例如：

?index_col指定索引列；

?usecols指定讀取部分列；

?nrows指定讀取部分行；

?prefix給表頭設置前綴；

?dtype和字典結合，讀取時為每一列數據設置格式。

參數非常豐富，不過我們的Pandas學習之旅有一個重要原則是“抓大放小”，為了避免陷入細節的泥沼無法自拔，比較瑣碎且不常用的參數不展開介紹，只是告訴大家有相關的參數，讀者在需要的時候可以自行查閱。

2.2.2 CSV文件的讀取

Pandas讀取CSV文件用的是pd.read_csv（'具體文件名'）方法。不過Pandas在Excel和CSV文件的讀取上有很高的相似性，上一小節講的大多數規則和參數也適用于CSV文件的讀取。

需要注意的是，在實際操作中Excel文件的讀取一般不會有什么問題，但由于中文路徑和編碼等問題，CSV的讀取是報錯的高發區。接下來，重點看看CSV文件的3個注意點以及如何避免錯誤。

1.中文路徑

當文件路徑是中文時，如果直接讀取，在一些Python版本里會報錯。因為Python默認的讀取引擎是C語言，它在處理中文時容易出問題。這個時候把讀取引擎參數engine設置為Python就可以解決：

2.編碼設置

CSV文件有不同的編碼形式，utf-8和gbk是兩種最常見的編碼形式。類似于一把鑰匙對一個鎖，如果文件是gbk編碼，那么用utf-8就打不開。Pandas在讀取文件時默認采用utf-8的編碼格式。

用默認的方式打開我們CSV的案例數據，可能會報錯，如圖2-7所示。

通過設置encoding參數來指定文件編碼格式，在讀取gbk和其他編碼文件的時候設置成對應編碼即可解決問題：

結果如下：

3.分隔符的處理

pd.read_csv（）方法在讀取CSV文件時，默認是以逗號作為分隔符來打開的（這也是絕大部分CSV文件使用的分隔方式），但如果文件在存儲時使用的是其他分隔符，那么就需要在讀取時設置好sep參數：

以上代碼打開的文件是以\t為分隔符的。

2.2.3 其他文件類型的讀取

1.TXT文件的讀取

Pandas讀取TXT文件用的是pd.read_table（）方法，需要在讀取時輸入TXT文件的名稱和分隔符（這里必須指定）：

2.JSON文件的讀取

JSON文件是一種類字典形式的文件，在讀取時用pd.read_json（）方法。

Excel和CSV是兩種最為常見的文件類型，其他文件類型的讀取這里只簡單提及，因為它們只有打開的方法有所差異，大部分參數對它們也是通用的。

2.2.4 存儲數據

當對數據進行讀取、處理和分析之后，往往需要把結果數據存儲起來。

在Pandas中存儲數據非常方便，用的是data.to_×××（）方法（×××是你期望存儲的文件類型）：

默認的存儲方式會把索引也作為一列存儲，如果不希望存儲索引，設置index=False即可：