介绍：

上一篇文章中Pandas使用系列(二)：Dataframe常用操作方法，我们了解了pandas数据对象-pandas Series 和pandas Dataframe，还学习了从头开始构建Series或Dataframe。在本文中，我们将学习从各种文件格式（如csv，tsv，xls，html，json，sql数据库等）读取表格数据，并从中创建Pandas Dataframe。

pandas具有以下方法/功能来读取各种文件格式，我们将逐一介绍其中几种：

从制表符分隔的值（TSV）构造Pandas Dataframe

我们可以从tsv文件构造一个pandas Dataframe。默认情况下，pandas 会选择第一行作为标题，并且索引将是默认的整数索引。运行以下代码：

import pandas as pd
df = pd.read_table('http://bit.ly/chiporders')

上面给出的url包含格式完美的制表符分隔值，第一行是标题。

查找Pandas Dataframe

您可以使用df.head（）或df.tail（）查找Dataframe。默认情况下，它将显示从顶部或底部开始的5行，标题和索引，如果要查看更多行数，请在括号中添加数字，例如df.head（10）或df.tail（15）。让我们看看在以上步骤中创建的数据框。

print(df.head())

# Output

   order_id  quantity                              item_name                                 choice_description item_price
0         1         1           Chips and Fresh Tomato Salsa                                                NaN     $2.39 
1         1         1                                   Izze                                       [Clementine]     $3.39 
2         1         1                       Nantucket Nectar                                            [Apple]     $3.39 
3         1         1  Chips and Tomatillo-Green Chili Salsa                                                NaN     $2.39 
4         2         2                           Chicken Bowl  [Tomatillo-Red Chili Salsa (Hot), [Black Beans...    $16.98 

如您所见，Pandas已自动将文件的第一行作为Dataframe的标题/列。

但是，如果文件格式不正确，我们将必须将诸如sep和name之类的参数传递给（pd.read_table（））。看下面的例子：

df = pd.read_table('http://bit.ly/movieusers')
print(df.head())

# Output
   1|24|M|technician|85711
0       2|53|F|other|94043
1      3|23|M|writer|32067
2  4|24|M|technician|43537
3       5|33|F|other|15213
4   6|42|M|executive|98101

看一下头部，就可以看出该文件不是由制表符分隔的，而是由'|'分隔的 （管道）并且它没有标题。因此，让我们提供必要的论据。

df = pd.read_table('http://bit.ly/movieusers', sep='|', names=['id', 'age', 'sex', 'occupation', 'zip code'])
print(df.head())

# Output

   id  age sex  occupation zip code
0   1   24   M  technician    85711
1   2   53   F       other    94043
2   3   23   M      writer    32067
3   4   24   M  technician    43537
4   5   33   F       other    15213

因此，现在我们的Dataframe看起来不错。

从CSV文件构造一个Pandas Dataframe。

就像上面一样，我们可以使用pandas.read_csv（）从csv文件轻松构建pandas Dataframe。

import pandas as pd
df = pd.read_csv('http://bit.ly/uforeports')
print(df.head())

# Output
                   City Colors Reported Shape Reported State             Time
0                Ithaca             NaN       TRIANGLE    NY   6/1/1930 22:00
1           Willingboro             NaN          OTHER    NJ  6/30/1930 20:00
2               Holyoke             NaN           OVAL    CO  2/15/1931 14:00
3               Abilene             NaN           DISK    KS   6/1/1931 13:00
4  New York Worlds Fair             NaN          LIGHT    NY  4/18/1933 19:00

设置Pandas Dataframe的索引列

在此，pandas 为Dataframe分配了默认的整数索引。您可以使用以下方法将任何列设置为索引。

df.set_index('City', inplace=True)
df = pd.read_csv(http://bit.ly/uforeports, index_col = 0)

# Output 

                     Colors Reported Shape Reported State             Time
City                                                                      
Ithaca                           NaN       TRIANGLE    NY   6/1/1930 22:00
Willingboro                      NaN          OTHER    NJ  6/30/1930 20:00
Holyoke                          NaN           OVAL    CO  2/15/1931 14:00
Abilene                          NaN           DISK    KS   6/1/1931 13:00
New York Worlds Fair             NaN          LIGHT    NY  4/18/1933 19:00

重置Pandas Dataframe的索引列

同样，您可以使用df.reset_index（）将索引重置为默认整数索引

df.reset_index(inplace = True)
print(df.head())

# Output

                   City Colors Reported Shape Reported State             Time
0                Ithaca             NaN       TRIANGLE    NY   6/1/1930 22:00
1           Willingboro             NaN          OTHER    NJ  6/30/1930 20:00
2               Holyoke             NaN           OVAL    CO  2/15/1931 14:00
3               Abilene             NaN           DISK    KS   6/1/1931 13:00
4  New York Worlds Fair             NaN          LIGHT    NY  4/18/1933 19:00

同样，您可以使用上表中详细介绍的pandas方法读取其他数据文件。

获取有关Pandas Dataframe的信息

您可以使用（.info（））方法获取有关Pandas Dataframe的信息。让我们检查有关上面创建的pandas Dataframe的信息。

print(df.info())

# Output

<class 'pandas.core.frame.DataFrame'>
Index: 18241 entries, Ithaca to Ybor
Data columns (total 4 columns):
Colors Reported    2882 non-null object
Shape Reported     15597 non-null object
State              18241 non-null object
Time               18241 non-null object
dtypes: object(4)
memory usage: 712.5+ KB

因此，这告诉我们有关Dataframe的列，值，索引，内存使用情况等。

您还可以在Dataframe上使用.describe（）方法，该方法将在所有列上执行数学运算。对于包含字符串或int或float以外的对象的列，它可能没有用。

df.describe()

# Output

       Colors Reported Shape Reported  State              Time
count             2882          15597  18241             18241
unique              27             27     52             16145
top                RED          LIGHT     CA  11/16/1999 19:00
freq               780           2803   2529                27

结束：

Pandas对各种文件类型的的操作，本次就介绍到这里，希望对大家有帮助。