2.2 数据读取和存储

2.2.1 Excel文件的读取

1.文件路径的切换

要读取某一个文件中的数据，必须先告诉Python这个文件所在的位置，即输入文件路径。

现有一个名为data1的Excel文件，存放在如图2-2所示的位置。

通过导入os系统模块，把Python切换到这个文件路径下：

os.chdir（）是实现系统文件路径切换的方法，可在其括号中输入我们从系统中复制的文件地址。

需要注意的是，路径前面加了一个r。文件路径一般都包含斜杠，而斜杠在Python中会有其他含义（如转义），在路径前加r相当于告诉Python路径里的内容没有其他意思，从而保证路径被程序完整、准确地理解。

2.read_excel（）的用法

切换完路径之后，用Pandas的pd.read_excel（'具体文件名'）（这里为data1.xlsx）来读取Excel文件：

运行结果如下：

上面只赋予Excel名称的读取方式，默认打开的是第一个工作表（sheet）。当一个Excel文件包含多个工作表时，通过指定具体sheet_name的方式实现更精准的读取：

读取结果如下：

3.header和names

data1.xlsx中sheet1的数据源如表2-3所示。

Pandas在读取的时候很智能地把第一行当作了表头来处理，数据则从第二行开始。

假如我们遇到了sheet2中的数据，当时在Excel文件中只保存了数据，而没有保存表头，如表2-4所示。

如果用Pandas直接读取，默认将第一行当作表头的规则就显得不那么智能了，读取和展示结果如图2-3所示。

这个时候可以把header参数设置成None，来告诉Pandas源数据中没有表头，效果如图2-4所示。

如果将header设置成None，默认的表头是从0～3的几个数字，很不美观。我们可以在读取的时候通过names参数，把表头设置成我们期望的内容，如图2-5所示。

当然，header除了设置成None，还可以设置成数字，代表在读取时把第几行数据作为表头。假如我们想要把Sheet1中的小明所在的第二行作为表头，只需把header设置成1（Python中计数从0开始）即可，如图2-6所示。

这样一来，小明对应的数据行就成了表头。

4.其他参数

除了默认或指定Sheet读取、设置数据表头，Pandas读取数据还有很多灵活操作的参数，例如：

❑index_col指定索引列；

❑usecols指定读取部分列；

❑nrows指定读取部分行；

❑prefix给表头设置前缀；

❑dtype和字典结合，读取时为每一列数据设置格式。

参数非常丰富，不过我们的Pandas学习之旅有一个重要原则是“抓大放小”，为了避免陷入细节的泥沼无法自拔，比较琐碎且不常用的参数不展开介绍，只是告诉大家有相关的参数，读者在需要的时候可以自行查阅。

2.2.2 CSV文件的读取

Pandas读取CSV文件用的是pd.read_csv（'具体文件名'）方法。不过Pandas在Excel和CSV文件的读取上有很高的相似性，上一小节讲的大多数规则和参数也适用于CSV文件的读取。

需要注意的是，在实际操作中Excel文件的读取一般不会有什么问题，但由于中文路径和编码等问题，CSV的读取是报错的高发区。接下来，重点看看CSV文件的3个注意点以及如何避免错误。

1.中文路径

当文件路径是中文时，如果直接读取，在一些Python版本里会报错。因为Python默认的读取引擎是C语言，它在处理中文时容易出问题。这个时候把读取引擎参数engine设置为Python就可以解决：

2.编码设置

CSV文件有不同的编码形式，utf-8和gbk是两种最常见的编码形式。类似于一把钥匙对一个锁，如果文件是gbk编码，那么用utf-8就打不开。Pandas在读取文件时默认采用utf-8的编码格式。

用默认的方式打开我们CSV的案例数据，可能会报错，如图2-7所示。

通过设置encoding参数来指定文件编码格式，在读取gbk和其他编码文件的时候设置成对应编码即可解决问题：

结果如下：

3.分隔符的处理

pd.read_csv（）方法在读取CSV文件时，默认是以逗号作为分隔符来打开的（这也是绝大部分CSV文件使用的分隔方式），但如果文件在存储时使用的是其他分隔符，那么就需要在读取时设置好sep参数：

以上代码打开的文件是以\t为分隔符的。

2.2.3 其他文件类型的读取

1.TXT文件的读取

Pandas读取TXT文件用的是pd.read_table（）方法，需要在读取时输入TXT文件的名称和分隔符（这里必须指定）：

2.JSON文件的读取

JSON文件是一种类字典形式的文件，在读取时用pd.read_json（）方法。

Excel和CSV是两种最为常见的文件类型，其他文件类型的读取这里只简单提及，因为它们只有打开的方法有所差异，大部分参数对它们也是通用的。

2.2.4 存储数据

当对数据进行读取、处理和分析之后，往往需要把结果数据存储起来。

在Pandas中存储数据非常方便，用的是data.to_×××（）方法（×××是你期望存储的文件类型）：

默认的存储方式会把索引也作为一列存储，如果不希望存储索引，设置index=False即可：