csv文件介紹：
讀取方法：
import pandas as pd
df = pd.read_csv(".\study\weather.txt", sep=",")
print("df------\n", df.head())
df1 = pd.read_csv(".\study\weather.txt", sep=",", names=["a", "b", "c", "d", "e","f", "g", "h", "i"], usecols=[1, 2, 3, 4, 5]) #指定列號
print("df1------\n",df1.head())
df2 = pd.read_csv(".\study\weather.txt", sep=",", names=["a", "b", "c", "d", "e","f", "g", "h", "i"], usecols=["b", "d", "e"]) #指定列名
print("df2------\n",df2.head())
df------
ymd bWendu yWendu tianqi fengxiang fengli aqi aqiInfo aqiLevel
0 2018-01-01 3℃ -6℃ 晴~多雲 東北風 1-2級 59 良 2
1 2018-01-02 2℃ -5℃ 陰~多雲 東北風 1-2級 49 優 1
2 2018-01-03 2℃ -5℃ 多雲 北風 1-2級 28 優 1
3 2018-01-04 0℃ -8℃ 陰 東北風 1-2級 28 優 1
4 2018-01-05 3℃ -6℃ 多雲~晴 西北風 1-2級 50 優 1
df1------
b c d e f
0 bWendu yWendu tianqi fengxiang fengli
1 3℃ -6℃ 晴~多雲 東北風 1-2級
2 2℃ -5℃ 陰~多雲 東北風 1-2級
3 2℃ -5℃ 多雲 北風 1-2級
4 0℃ -8℃ 陰 東北風 1-2級
df2------
b d e
0 bWendu tianqi fengxiang
1 3℃ 晴~多雲 東北風
2 2℃ 陰~多雲 東北風
3 2℃ 多雲 北風
4 0℃ 陰 東北風
# sheet_name演示
import pandas as pd
# 當sheet_name為None時，返回dict類型，key為sheet名，value為DataFrame類型
df1 = pd.read_excel(r".\study\test_excel.xlsx", sheet_name=None)
print("df1---------------\n", df1, type(df1["student"]))
# 當sheet_name為default值時，即為第一個sheet，返回DataFrame類型
df2 = pd.read_excel(r".\study\test_excel.xlsx")
print("df2---------------\n", df2)
# 讀取時由數字指定的工作表的鍵是數字，由工作表名稱指定的工作表的鍵是工作表名稱。0表示第一個sheet
df3 = pd.read_excel(r".\study\test_excel.xlsx", sheet_name=[0,"vegetables"])
print("df3---------------\n", df3)
df1---------------
{'student': name age sex address score
0 劉一 18 女 上海 100
1 花二 40 男 上海 99
2 張三 25 男 北京 80
3 李四 30 男 西安 40
4 王五 70 男 青島 70
5 孫六 65 女 泰州 90, 'vegetables': 序號 菜名 單價 產地
0 1 spinach 4.5 崇明
1 2 cucumber 5.0 奉賢
2 3 tomato 6.0 惠南
3 4 green bean 8.0 金山} <class 'pandas.core.frame.DataFrame'>
df2---------------
name age sex address score
0 劉一 18 女 上海 100
1 花二 40 男 上海 99
2 張三 25 男 北京 80
3 李四 30 男 西安 40
4 王五 70 男 青島 70
5 孫六 65 女 泰州 90
df3---------------
{0: name age sex address score
0 劉一 18 女 上海 100
1 花二 40 男 上海 99
2 張三 25 男 北京 80
3 李四 30 男 西安 40
4 王五 70 男 青島 70
5 孫六 65 女 泰州 90, 'vegetables': 序號 菜名 單價 產地
0 1 spinach 4.5 崇明
1 2 cucumber 5.0 奉賢
2 3 tomato 6.0 惠南
3 4 green bean 8.0 金山}
# header and names演示
# 表示用第幾行作為表頭，支持 int, list of int； 默認是0，第一行的數據當做表頭。header=None表示不使用數據源中的表頭，Pandas自動使用0,1,2,3…的自然數作為索引。
# names：表示自定義表頭的名稱，此時需要傳遞數組參數。
import pandas as pd
# header=[0,1]，表示第1,2行都是表頭
df1 = pd.read_excel(r".\study\test_excel.xlsx", header=[0,1])
print("df1---------------\n", df1)
# header=None表示不使用數據源中的表頭，Pandas自動使用0,1,2,3…的自然數作為索引
df2 = pd.read_excel(r".\study\test_excel.xlsx", header=None)
print("df2---------------\n", df2)
# names：表示自定義表頭的名稱，注意names中的元素數量要和表的列數對應
df3 = pd.read_excel(r".\study\test_excel.xlsx", names=["a", "b", "c", "d", "e"])
print("df3---------------\n", df3)
df1---------------
name age sex address score
劉一 18 女 上海 100
0 花二 40 男 上海 99
1 張三 25 男 北京 80
2 李四 30 男 西安 40
3 王五 70 男 青島 70
4 孫六 65 女 泰州 90
df2---------------
0 1 2 3 4
0 name age sex address score
1 劉一 18 女 上海 100
2 花二 40 男 上海 99
3 張三 25 男 北京 80
4 李四 30 男 西安 40
5 王五 70 男 青島 70
6 孫六 65 女 泰州 90
df3---------------
a b c d e
0 劉一 18 女 上海 100
1 花二 40 男 上海 99
2 張三 25 男 北京 80
3 李四 30 男 西安 40
4 王五 70 男 青島 70
5 孫六 65 女 泰州 90
# index_col，skiprows, nrows and usecols演示
import pandas as pd
# 指定列屬性為行索引列，index_col=[0]以第一列作為行索引
df1 = pd.read_excel(r".\study\test_excel.xlsx", index_col=[0]) #以第一列作為行索引
print("df1____1---------\n", df1)
# 第一列作為行索引了
print("df1____2---------\n",df1.loc[["劉一", "李四"], "address"])
# index_col默認是None，也就是索引為0,1,2,3等自然數的列用作DataFrame的行索引
df2 = pd.read_excel(r".\study\test_excel.xlsx")
print("df2---------\n", df2)
# index_col=None為默認值，索引為0,1,2,3等自然數的列用作DataFrame的行索引，usecols=[0,2]取第一列和第3列
df4 = pd.read_excel(r".\study\test_excel.xlsx", usecols=[0,2])
print("df4---------\n",df4)
# usecols以類似於excel中range的訪問方式，多列
df5 = pd.read_excel(r".\study\test_excel.xlsx", usecols="A:C,E")
print("df5---------\n",df5)
# 取出前4列，跳過第1行和第2行，注意skiprows是從1開始的
df6 = pd.read_excel(r".\study\test_excel.xlsx", usecols=[0,1,2,3], skiprows=[1,2])
print("df6---------\n",df6)
# 取出列，跳過第1列和第4行，取出前2行
df7 = pd.read_excel(r".\study\test_excel.xlsx", usecols=[0,3], nrows=2)
print("df7---------\n",df7)
df1____1---------
age sex address score
name
劉一 18 女 上海 100
花二 40 男 上海 99
張三 25 男 北京 80
李四 30 男 西安 40
王五 70 男 青島 70
孫六 65 女 泰州 90
df1____2---------
name
劉一 上海
李四 西安
Name: address, dtype: object
df2---------
name age sex address score
0 劉一 18 女 上海 100
1 花二 40 男 上海 99
2 張三 25 男 北京 80
3 李四 30 男 西安 40
4 王五 70 男 青島 70
5 孫六 65 女 泰州 90
df4---------
name sex
0 劉一 女
1 花二 男
2 張三 男
3 李四 男
4 王五 男
5 孫六 女
df5---------
name age sex score
0 劉一 18 女 100
1 花二 40 男 99
2 張三 25 男 80
3 李四 30 男 40
4 王五 70 男 70
5 孫六 65 女 90
df6---------
name age sex address
0 張三 25 男 北京
1 李四 30 男 西安
2 王五 70 男 青島
3 孫六 65 女 泰州
df7---------
name address
0 劉一 上海
1 花二 上海
# dtype演示
df1 = pd.read_excel(r".\study\test_excel.xlsx", names=["a", "b", "c", "d", "e"],
dtype={
"b": "float64", "e":"float64"}) #注意原數據的a，e列類型變化
print(df1)
a b c d e
0 劉一 18.0 女 上海 100.0
1 花二 40.0 男 上海 99.0
2 張三 25.0 男 北京 80.0
3 李四 30.0 男 西安 40.0
4 王五 70.0 男 青島 70.0
5 孫六 65.0 女 泰州 90.0
# converters演示
# 遇到某一列的數據前面包含0（如010101）的時候，pd.read_excel()方法返回的DataFrame會將這一列視為int類型，即010101變成10101，
# 這種情況下，如果想要保持數據的完整性，可以以str類型來讀取這一列
# converters中調用函數時，是將列的每一個元素依次作為函數的參數進行的。
df1 = pd.read_excel(r".\study\test_excel.xlsx", usecols=[0,2,4], #原1，3,列
converters={
0: lambda x: x+"同學", # 0對應上面[0,2,4]中的0, sex對應原2，2對應原4
"sex": lambda x: x + "孩子",
"score": lambda x: x + 1000
})
print("df1---------\n",df1)
print(type(df1.loc[1, "score"]))
def join_str(value):
if isinstance(value, int):
result = value + 100
else:
result = value + "乖寶"
return result
df2 = df1 = pd.read_excel(r".\study\test_excel.xlsx", usecols=[0,2,4], #原1，3,列
converters={
0: join_str,
1: join_str,
2: str #使用str讀取
})
print("df2---------\n",df2)
print(type(df2.loc[1, "score"]))
df1---------
name sex score
0 劉一同學 女孩子 1100
1 花二同學 男孩子 1099
2 張三同學 男孩子 1080
3 李四同學 男孩子 1040
4 王五同學 男孩子 1070
5 孫六同學 女孩子 1090
<class 'numpy.int64'>
df2---------
name sex score
0 劉一乖寶 女乖寶 100
1 花二乖寶 男乖寶 99
2 張三乖寶 男乖寶 80
3 李四乖寶 男乖寶 40
4 王五乖寶 男乖寶 70
5 孫六乖寶 女乖寶 90
<class 'str'>
