数据科学和机器学习的“看家兵器”——pandas模块 之二

目录

　　pandas 模块介绍

　　4.2 pandas 数据读取

　　4.2.1 课程目标

　　4.2.2 读取 Excel 文件中的数据

　　（一）读取某个工作表中的数据

　　（二）读取指定数据列的标签内容

　　（三）读取指定数据行的标签内容

　　（四）读取指定行或者列

　　4.2.3、读取 CSV 文件数据

　　4.2.4、课程总结回顾

　　4.2.5、课后练习题

　　pandas 模块介绍

　　pandas 是 Python 的一个开源数据分析库，为 Python 提供了高性能、易用的数据结构和数据分析工具。它建立在 NumPy 之上，使得以 NumPy 为中心的应用变得更加简单。pandas 的名字衍生自术语 "panel data"（面板数据）和 "Python data analysis"（Python 数据分析）。

　　pandas 的主要数据结构是 Series（一维数组）和 DataFrame（二维表格型数据结构），它们能够处理各种类型的数据，无论是时间序列数据、表格数据还是矩阵数据。pandas 提供了高级数据操作功能，包括数据清洗、合并、重塑、聚合和时间序列分析等。它广泛应用于金融、经济、统计、社会科学等领域，是数据科学和机器学习工作流程中不可或缺的工具。

　　4.2 pandas 数据读取

　　4.2.1 课程目标

　　本次课程主要围绕 pandas 的数据读取功能展开，通过理论讲解和案例分析，让同学们掌握从 Excel 和 CSV 文件中读取数据的方法和技巧。同学们学完本次课程后，能够熟练使用 pandas 进行不同格式数据的读取和基本处理。

　　4.2.2 读取 Excel 文件中的数据

　　pandas 提供了强大而灵活的 Excel 文件读取功能，可以读取整个工作表、指定的行列数据等。下面将详细介绍这些功能并通过案例演示。

　　（一）读取某个工作表中的数据

　　在 Excel 文件中，可能包含多个工作表。pandas 的read_excel()函数可以通过sheet_name参数指定要读取的工作表。

import pandas as pd

# 读取Excel文件
# 实际使用时，请替换为你的文件路径
# excel_file = pd.ExcelFile('path_to_your_excel_file.xlsx')

# 为了演示，我们创建一个示例Excel文件
data = {
    '姓名': ['张三', '李四', '王五', '赵六', '钱七'],
    '年龄': [25, 30, 28, 35, 40],
    '性别': ['男', '女', '男', '女', '男'],
    '职业': ['工程师', '教师', '医生', '律师', '经理'],
    '收入': [8000, 6500, 12000, 15000, 20000]
}

# 创建DataFrame
df = pd.DataFrame(data)

# 将DataFrame写入Excel文件
df.to_excel('example.xlsx', sheet_name='Sheet1', index=False)

# 读取Excel文件
excel_file = pd.ExcelFile('example.xlsx')

# 获取指定工作表中的数据
df = excel_file.parse('Sheet1')

# 查看数据的基本信息
print('数据基本信息：')
df.info()

# 查看数据集行数和列数
rows, columns = df.shape

# 查看数据集行数和列数
if rows < 10 and columns < 10:
    # 短表数据（行数少于10且列数少于10）查看全量数据信息
    print("\n数据全部内容信息：")
    print(df.to_csv(sep='\t', na_rep='nan'))
else:
    # 长表数