Pandas数据如何读取与导出

~ pd.ExcelFile 对象
~ pd.ExcelWriter 对象
~ pd.ExcelWriter 对象的属性和方法

~ pd.read_csv()
~ pd.read_excel()
~ pd.json_normalize()
~ pd.read_pickle()
~ pd.read_table()
~ pd.DataFrame.from_dict() 从字典创建 DataFrame
~ pd.read_clipboard() 从剪贴板读取数据
~ pd.read_json() 读取 JSON
~ pd.read_sql() 读取数据库数据
~ pd.read_fwf() 读取固定宽度格式文件
~ pd.read_html() 从 HTML 文档提取表格数据
~ pd.read_parquet() 读取 Parquet 文件

~ to_csv() 导出为 CSV文件
~ to_excel() 导出为 Excel 文件
~ to_dict() 输出字典
~ to_pickle() 序列化为 pickle 文件
~ to_json() 转换为 JSON 格式字符串
~ to_html() 转换为 HTML 表格格式
~ to_sql() 写入到关系型数据库
~ to_parquet() 保存为 parquet 文件

import pandas as pd
 
df = pd.read_csv('file.csv')
# 可以使用参数来调整读取行为，如分隔符、缺失值标记、列名等

df = pd.read_excel('file.xlsx', sheet_name='Sheet1')
# 可以指定工作表名称或索引，或者使用 sheet_name=None 来读取所有工作表

import sqlite3  # 或其他数据库连接库
 
conn = sqlite3.connect('database.db')
df = pd.read_sql_query('SELECT * FROM table_name', conn)
conn.close()
# 对于其他数据库，如 MySQL、PostgreSQL，需要使用相应的连接库和驱动

df = pd.read_json('file.json')
# 可以使用 orient 参数来指定 JSON 数据的布局

df = pd.read_html('http://example.com/page_with_table.html')[0]
# read_html 返回一个 DataFrame 列表，通常使用索引 [0] 来获取第一个表格

df = pd.read_clipboard()
# 这对于从 Excel 等应用程序中复制数据特别有用

df.to_csv('output_file.csv', index=False)
# index=False 表示不导出 DataFrame 的索引

df.to_excel('output_file.xlsx', sheet_name='Sheet1', index=False)
# 可以指定工作表名称和其他选项，如引擎（对于较新的 Pandas 版本，默认引擎为 'openpyxl'）

conn = sqlite3.connect('database.db')
df.to_sql('table_name', conn, if_exists='replace', index=False)
conn.close()
# if_exists 参数可以是 'fail'（如果表存在则引发错误）、'replace'（替换表）、'append'（在表中添加数据）

df.to_json('output_file.json', orient='records', lines=True)
# orient 参数可以指定 JSON 数据的布局，lines=True 表示每行是一个 JSON 对象

with open('output_file.html', 'w') as f:
    f.write(df.to_html())
# 也可以使用 pandas 提供的 to_html() 方法生成 HTML 字符串，然后保存到文件中

with pd.ExcelWriter('output_file_with_sheets.xlsx') as writer:
    df1.to_excel(writer, sheet_name='Sheet1', index=False)
    df2.to_excel(writer, sheet_name='Sheet2', index=False)
# 使用 ExcelWriter 上下文管理器可以方便地写入多个工作表