python数据清洗实战入门笔记（二）文件操作

这是一个关于淘宝母婴产品的用户消费行为的数据集，然后基于这个数据集，做数据清洗

数据集地址：https://pan.baidu.com/s/1kMH1AhE8RUyaT73rvJsVPQ
提取码：aai6

csv文件读写

import pandas as pd
import numpy as np

import os
# 更改文件路劲
os.chdir(r'G:\pythonProject\pc\Python数据清洗\data')

#设置最大显示列数
pd.set_option('display.max_columns', 20)
#设置最大显示行数
pd.set_option('display.max_rows', 100)

# 婴儿信息表
baby = pd.read_csv('sam_tianchi_mum_baby.csv', encoding='utf-8')#默认将第一行作为表头,一般用utf-8编码
baby.head(10)

# 编码为gbk中文编码
# 订单数据
order = pd.read_csv('meal_order_info.csv',encoding =  'gbk', dtype = {'info_id':str,'emp_id':str})
#这里转换字段类型方便统一处理
order                                                                     

excel文件读写

# 订单数据
df1 = pd.read_excel('meal_order_detail.xlsx',encoding = 'utf-8',sheet_name = 'meal_order_detail1')# 读取excel需要注明具体哪一个工作簿,否则就是第一个工作簿
df1.head(5)

df2 = pd.read_excel('meal_order_detail.xlsx',encoding = 'utf-8',sheet_name = 0)# sheet_name可以为数字，代表第几个工作簿
df2.head(5)

#保存数据
df1.to_excel('a1.xlsx',sheet_name='one',index=False)

数据库文件读写

#导入相关库
import pymysql
from sqlalchemy import create_engine

按实际情况依次填写MySQL的用户名、密码、IP地址、端口、数据库名 create_engine(‘mysql+pymysql://user:passward@IP:3306/test01’)

root 用户名
passward --密码
IP : 服务区IP
3306： 端口号
test01 :数据库名称

# 建立连接
conn = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
# 读取数据
sql = 'select * from meal_order_info'  #选择数据库中表名称
df1 = pd.read_sql(sql,conn)
#df1 是个dataframe格式

# # # 函数
def query(table):
    host = 'localhost'
    user = 'root'
    password = '123456'
    database = 'test'
    port = 3306
    conn = create_engine("mysql+pymysql://{}:{}@{}:{}/{}".format(user, password, host, port, database))
    #SQL语句，可以定制，实现灵活查询
    sql = 'select * from ' + table  #选择数据库中表名称    
    # 使用pandas 的read_sql函数，可以直接将数据存放在dataframe中
    results = pd.read_sql(sql,conn)
    return results
df2 =  query('dim_color')
df2

数据保存
df.to_sql(name,con=engine,if_exists=‘replace/append/fail’,index=False)
name是表名
con是连接
if_exists：表如果存在怎么处理 – append：追加 – replace：删除原表，建立新表再添加 – fail：什么都不干
index=False：不插入索引index

import os
os.chdir(r'G:\pythonProject\pc\Python数据清洗\data')
df = pd.read_csv('baby_trade_history.csv')
try:
    df.to_sql('dim_color',con = conn, index= False,if_exists= 'replace')
    print(df.head(5))
except:
    print('error')
    
#Python是否能将数据写入数据库，很多时候取决于数据库的权限