Pandas as a library can read and write data to a wide variety of sources. In this article, we would concentrate on the following,
熊猫作为图书馆可以读取和写入各种来源的数据。 在本文中，我们将重点介绍以下内容，
CSV
CSV
Excel
电子表格
HTML
HTML
SQL
SQL
In order to work with HTML files and SQL database, along with pandas, we would need to install the below library as well,
为了与HTML文件和SQL数据库以及pandas一起使用，我们还需要安装以下库，
pip install sqlalchemy
pip安装sqlalchemy
pip install lxml
pip安装lxml
pip install html5lib
点安装html5lib
pip install beautifulsoup4
pip安装beautifulsoup4
pip install openpyxl
pip安装openpyxl
Note: In the below example, the reference files are located in the same folder as the python files are.
注意：在以下示例中，参考文件与python文件位于同一文件夹中。
读取CSV文件 (Read a CSV file)
import numpy as np
import pandas as pd
# example is the csv file name
df = pd.read_csv('example')
print(df)
'''
Output:
a b c d
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
3 12 13 14 15
'''
Pandas has built in function to read from numerous type of file format, such as csv , clipboard, html, json etc.
Pandas具有内置功能，可以读取多种类型的文件格式，例如csv，剪贴板，html，json等。
写入CSV文件 (Write to CSV file)
In the above example, we have the csv content assigned to a dataFrame variable called df.
在上面的示例中，我们将csv内容分配给了一个名为df的dataFrame变量。
# here index = False coz I don't want
# to save the index as coulmn
df.to_csv('test_csv', index=False)
pd.read_csv('test_csv')
'''
Output:
a b c d
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
3 12 13 14 15
'''
从Excel文件读取 (Reading from Excel file)
While the pandas can read the data from the Excel file, it is important to note that 'pandas' can not read or import the formulas or images or macros. Trying to read them can cause pandas to crash.
尽管大熊猫可以从Excel文件读取数据，但必须注意， “大熊猫”无法读取或导入公式，图像或宏。 尝试阅读它们可能会导致熊猫崩溃。
Also, there can be an error such as requesting us to install the xlrd library in case it is not available. [pip install xlrd].
另外，如果没有xlrd库 ，可能会出现诸如请求我们安装xlrd库的错误。 [pip install xlrd]。
pd.read_excel('Excel_Sample.xlsx')
'''
Output:
Unnamed: 0 a b c d
0 0 0 1 2 3
1 1 4 5 6 7
2 2 8 9 10 11
3 3 12 13 14 15
'''
df.to_excel('Excel_Sample_2.xlsx',sheet_name='Sheet1')
HTML输入 (HTML input)
Pandas read_html() function will read tables off of a webpage and return a list of DataFrame objects,
熊猫的read_html()函数将从网页中读取表并返回DataFrame对象的列表，
df = pd.read_html('http://www.fdic.gov/bank/individual/failed/banklist.html')
print(df[0] )
| Bank Name | City | ST | CERT | Acquiring Institution | Closing Date | Updated Date | Loss Share Type | Agreement Terminated | Termination Date | |
| 0 | First CornerStone Bank | King of Prussia | PA | 35312 | First-Citizens Bank & Trust Company | May 6, 2016 | July 12, 2016 | none | NaN | NaN |
| 1 | Trust Company Bank | Memphis | TN | 9956 | The Bank of Fayette County | April 29, 2016 | August 4, 2016 | none | NaN | NaN |
| 2 | North Milwaukee State Bank | Milwaukee | WI | 20364 | First-Citizens Bank & Trust Company | March 11, 2016 | June 16, 2016 | none | NaN | NaN |
| 3 | Hometown National Bank | Longview | WA | 35156 | Twin City Bank | October 2, 2015 | April 13, 2016 | none | NaN | NaN |
| 4 | The Bank of Georgia | Peachtree City | GA | 35259 | Fidelity Bank | October 2, 2015 | April 13, 2016 | none | NaN | NaN |
| 5 | Premier Bank | Denver | CO | 34112 | United Fidelity Bank, fsb | July 10, 2015 | July 12, 2016 | none | NaN | NaN |
| 6 | Edgebrook Bank | Chicago | IL | 57772 | Republic Bank of Chicago | May 8, 2015 | July 12, 2016 | none | NaN | NaN |
| 7 | Doral BankEn Espanol | San Juan | PR | 32102 | Banco Popular de Puerto Rico | February 27, 2015 | May 13, 2015 | none | NaN | NaN |
| 8 | Capitol City Bank & Trust Company | Atlanta | GA | 33938 | First-Citizens Bank & Trust Company | February 13, 2015 | April 21, 2015 | none | NaN | NaN |
| 9 | Highland Community Bank | Chicago | IL | 20290 | United Fidelity Bank, fsb | January 23, 2015 | April 21, 2015 | none | NaN | NaN |
| 银行名称 | 市 | ST | CERT | 收购机构 | 截止日期 | 更新日期 | 亏损份额类型 | 协议终止 | 终止日期 | |
| 0 | 第一角石银行 | 普鲁士国王 | 功放 | 35312 | 第一公民银行和信托公司 | 2016年5月6日 | 2016年7月12日 | 没有 | N | N |
| 1个 | 信托公司银行 | 孟菲斯 | TN | 9956 | 费耶特县银行 | 2016年4月29日 | 2016年8月4日 | 没有 | N | N |
| 2 | 北密尔沃基州立银行 | 密尔沃基 | 威斯康星州 | 20364 | 第一公民银行和信托公司 | 2016年3月11日 | 六月16，2016 | 没有 | N | N |
| 3 | 故乡国家银行 | 长远的眼光 | 西澳 | 35156 | 双城银行 | 2015年10月2日 | 2016年4月13日 | 没有 | N | N |
| 4 | 佐治亚银行 | 桃树市 | GA | 35259 | 富达银行 | 2015年10月2日 | 2016年4月13日 | 没有 | N | N |
| 5 | 总理银行 | 丹佛 | 一氧化碳 | 34112 | 联合富达银行 | 2015年7月10日 | 2016年7月12日 | 没有 | N | N |
| 6 | 埃奇布鲁克银行 | 芝加哥 | 白介素 | 57772 | 芝加哥共和国银行 | 2015年5月8日 | 2016年7月12日 | 没有 | N | N |
| 7 | Doral BankEn Espanol | 圣胡安 | 公关 | 32102 | 波多黎各人民银行 | 2015年2月27日 | 2015年5月13日 | 没有 | N | N |
| 8 | 国会大厦城市银行与信托公司 | 亚特兰大 | GA | 33938 | 第一公民银行和信托公司 | 2015年2月13日 | 2015年4月21日 | 没有 | N | N |
| 9 | 高地社区银行 | 芝加哥 | 白介素 | 20290 | 联合富达银行 | 2015年1月23日 | 2015年4月21日 | 没有 | N | N |
SQL (SQL)
The pandas.io.sql module provides a collection of query wrappers to both facilitate data retrieval and to reduce dependency on DB-specific API. Database abstraction is provided by SQLAlchemy if installed. Also, a driver library is required for the database. Examples of such drivers are psycopg2 for PostgreSQL or pymysql for MySQL. For SQLite, this is included in Python's standard library by default.
pandas.io.sql模块提供了查询包装的集合，以促进数据检索并减少对特定于数据库的API的依赖性。 如果安装了SQLAlchemy，则提供数据库抽象。 另外，数据库需要驱动程序库。 此类驱动程序的示例是用于PostgreSQLpsycopg2或用于MySQL的pymysql。 对于SQLite，默认情况下将其包含在Python的标准库中。
If SQLAlchemy is not installed, a fallback is only provided for SQLite (and for MySQL for backward compatibility, but this is deprecated and will be removed in a future version). This mode requires a Python database adapter that respects the Python DB-API.
如果未安装SQLAlchemy，则仅为SQLite(和向后兼容MySQL)提供回退功能，但不建议使用此功能，并将在以后的版本中将其删除。 此模式需要一个遵循Python DB-API的Python数据库适配器。
See also some cookbook examples for some advanced strategies.
另请参阅一些食谱示例以了解一些高级策略。
The key functions are,
关键功能是
read_sql_table(table_name, con[, schema, ...]) : Read SQL database table into a DataFrame.
read_sql_table(table_name，con [，schema，...]) ：将SQL数据库表读入DataFrame。
read_sql_query(sql, con[, index_col, ...]) : Read SQL query into a DataFrame.
read_sql_query(sql，con [，index_col，...]) ：将SQL查询读入DataFrame。
read_sql(sql, con[, index_col, ...]) : Read SQL query or database table into a DataFrame.
read_sql(sql，con [，index_col，...]) ：将SQL查询或数据库表读入DataFrame。
DataFrame.to_sql(name, con[, flavor, ...]) : Write records stored in a DataFrame to a SQL database.
DataFrame.to_sql(name，con [，flavor，...]) ：将存储在DataFrame中的记录写入SQL数据库。
from sqlalchemy import create_engine
engine = create_engine('sqlite:///:memory:')
df.to_sql('data', engine)
sql_df = pd.read_sql('data',con=engine)
print(sql_df)
'''
Output:
index 0 a b c d
0 0 0 0 1 2 3
1 1 1 4 5 6 7
2 2 2 8 9 10 11
3 3 3 12 13 14 15
'''
翻译自: https://www.includehelp.com/python/python-pandas-data-input-and-output.aspx
