1.1 文本讀取，pd.read_csv()，pd.read_table();
pandas 讀取文本（txt、excel）中會常用到兩個函數：**read_csv() 和 read_table() ；兩個函數出去讀取文本不一樣之外，讀取文本時前者是以，(逗號)**爲分隔符讀取，後者以 tab(空格)爲 分隔符進行讀取的，把讀取到的文本轉化成二維 Dataframe 數據格式，直觀整潔以便後續處理，以 **pd.read_table()**爲例:
**pd.read_table()**用到的參數有:
裏面參數很多，但常用到的下面幾個
-
filepath，欲讀取的txt、csv文件、網頁內容；
-
seq ，分割符來對字符串進行表格劃分，一般來說 read_table()默認的爲 tab（空格），read_csv() 默認爲，（逗號），可以根據具體情況自己設置；
-
usercols，可以設置提取自己需要的列名；
下面就是一個url網址內容，文本之間以 Tab鍵 作爲分隔符：
利用 pandas 對裏面的內容進行讀取，展示如下：
url ='http://bit.ly/chiporders'
df1 =pd.read_table(url)
# 讀取前5行數據
df1.head()
# usecols 參數作爲選取特定的列；
df = pd.read_table(url,usecols = ['order_id','item_price'])
df.head()
不設置第一行爲列名
#header默認爲0，即以第一列爲列名，這裏設爲None，意味不設置第一行爲列名；
df11 = pd.read_table(url,header =None)
df11.head()
1.2 讀取時用names修改列名
#names =***,可以自定義設置列名
user_cols = ['id','quantity','name','choice','price']
df= pd.read_table(url,header =None,names = user_cols)
df.head()
1.3 用describe()函數對描述大致數據
#對整個Dataframe各列做個基本統計；
# count：數
# unique: 總體分爲3類；
# top：頻率最高的value;
# freq：出現頻率最高的次數；
df.describe()
1.4 shape函數返回二維數據的列數、行數
df.shape#查看Dataframe的整體數據
1.5 讀取到的 Dataframe 每一列數據類型爲Series；
#列出某一列的數據,爲一個series數據
df['name']#也可以df.name
print(type(df['name']))
1.6 處理數據中時利用columns改變列名：
#在Dataframe數據中更改列名,在每個列名後面加一個‘_’；
df.columns = [str(i)+'_' for i in df.columns]
df
1.7 利用drop函數刪除特定的列；
#pd.DataFrame去除某一列，用到的函數drop,
# 第一個參數爲單個標籤或多個標籤；
# axis表示欲刪除的爲行或者列，0爲行，1爲列；
# inplace =True，以及操作
df1 =df
df1.drop(['name_','choice_'],axis = 1,inplace = True)
df1.head()
1.8 利用map函數對列中數據格式進行變換；
#對某一列數據進行修改；把price_中的$變成￥；利用lambda映射；
df['price_'] = df['price_'].map(lambda x:str(x).replace('$','￥'))
df
1.9 to_csv將 Dataframe數據直接寫到csv文件中；
#將 Dataframe寫出csv文件，
# 第一個參數描述欲輸出的文件名，若提供的爲None,則返回的是string；
# index表示行索引，默認爲True,
# header = True表示的是不保存列名。
# encoding = 'gbk',輸入編碼方式爲gbk
df.to_csv('E:/ceshi/ab.csv',index =False,header =True,encoding = 'gbk')
注：上面的代碼運行都是在jupyter notebook編輯器上進行的！