GitBook官网

6 文件读取与存储

学习目标

  • 目标

    • 了解Pandas的几种文件读取存储操作

    • 应用CSV方式、HDF方式和json方式实现文件的读取和存储

我们的数据大部分存在于文件当中，所以pandas会支持复杂的IO操作，pandas的API支持众多的文件格式，如CSV、SQL、XLS、JSON、HDF5。

注：最常用的HDF5和CSV文件

1 CSV

1.1 read_csv

  • pandas.read_csv(filepath_or_buffer, sep =',', usecols )

    • filepath_or_buffer:文件路径

    • sep :分隔符，默认用","隔开

    • usecols:指定读取的列名，列表形式

  • 举例：读取之前的股票的数据

# 读取文件,并且指定只获取'open', 'close'指标
data = pd.read_csv("./data/stock_day.csv", usecols=['open', 'close'])

            open    close
2018-02-27    23.53    24.16
2018-02-26    22.80    23.53
2018-02-23    22.88    22.82
2018-02-22    22.25    22.28
2018-02-14    21.49    21.92

1.2 to_csv

  • DataFrame.to_csv(path_or_buf=None, sep=', ’, columns=None, header=True, index=True, mode='w', encoding=None)

    • path_or_buf :文件路径

    • sep :分隔符，默认用","隔开

    • columns :选择需要的列索引

    • header :boolean or list of string, default True,是否写进列索引值

    • index:是否写进行索引

    • mode:'w'：重写, 'a' 追加

  • 举例：保存读取出来的股票数据

    • 保存'open'列的数据，然后读取查看结果

会发现将索引存入到文件当中，变成单独的一列数据。如果需要删除，可以指定index参数,删除原来的文件，重新保存一次。

2 HDF5

2.1 read_hdf与to_hdf

HDF5文件的读取和存储需要指定一个键，值为要存储的DataFrame

  • pandas.read_hdf(path_or_buf，key =None，** kwargs)

    从h5文件当中读取数据

    • path_or_buffer:文件路径

    • key:读取的键

    • return:Theselected object

  • DataFrame.to_hdf(path_or_buf, key, *\kwargs*)

2.2 案例

  • 读取文件

如果读取的时候出现以下错误

需要安装安装tables模块避免不能读取HDF5文件

  • 存储文件

再次读取的时候, 需要指定键的名字

注意：优先选择使用HDF5文件存储

  • HDF5在存储的时候支持压缩，使用的方式是blosc，这个是速度最快的也是pandas默认支持的

  • 使用压缩可以提磁盘利用率，节省空间

  • HDF5还是跨平台的，可以轻松迁移到hadoop 上面

3 JSON

JSON是我们常用的一种数据交换格式，前面在前后端的交互经常用到，也会在存储的时候选择这种格式。所以我们需要知道Pandas如何进行读取和存储JSON格式。

3.1 read_json

  • pandas.read_json(path_or_buf=None, orient=None, typ='frame', lines=False)

    • 将JSON格式准换成默认的Pandas DataFrame格式

    • orient : string,Indication of expected JSON string format.

      • 'split' : dict like {index -> [index], columns -> [columns], data -> [values]}

        • split 将索引总结到索引，列名到列名，数据到数据。将三部分都分开了

      • 'records' : list like [{column -> value}, ... , {column -> value}]

        • records 以columns：values的形式输出

      • 'index' : dict like {index -> {column -> value}}

        • index 以index：{columns：values}...的形式输出

      • 'columns' : dict like {column -> {index -> value}},默认该格式

        • colums 以columns:{index:values}的形式输出

      • 'values' : just the values array

        • values 直接输出值

    • lines : boolean, default False

      • 按照每行读取json对象

    • typ : default ‘frame’， 指定转换成的对象类型series或者dataframe

    3.2 read_josn 案例

  • 数据介绍

这里使用一个新闻标题讽刺数据集，格式为json。is_sarcastic：1讽刺的，否则为0；headline：新闻报道的标题；article_link：链接到原始新闻文章。存储格式为：

  • 读取

orient指定存储的json格式，lines指定按照行去变成一个样本

结果为：

3.3 to_json

  • DataFrame.to_json(path_or_buf=None, orient=None, lines=False)

    • 将Pandas 对象存储为json格式

    • path_or_buf=None：文件地址

    • orient:存储的json形式，{‘split’,’records’,’index’,’columns’,’values’}

    • lines:一个对象存储为一行

3.4 案例

  • 存储文件

结果

  • 修改lines参数为True

结果

Previous5 Pandas画图Next7 高级处理-缺失值处理

Last updated