Python输入数据集的方式主要有以下几种：使用pandas读取文件、使用numpy读取文本、使用csv模块读取CSV文件、使用SQLAlchemy读取数据库、使用requests读取网络数据。 其中，使用pandas读取文件 是最常见和方便的方式，下面我们详细介绍一下这一方法。
使用pandas读取文件 是一种非常强大的数据处理方式，pandas库提供了许多便捷的函数来读取不同格式的数据文件，比如CSV、Excel、JSON等。假设我们有一个CSV文件，文件名为“data.csv”，我们可以通过以下代码读取并查看数据：
import pandas as pd
读取CSV文件
df = pd.read_csv('data.csv')
查看前五行数据
print(df.head())
这种方法不仅简单易用，还可以利用pandas强大的数据处理能力进行后续的分析和处理。除了CSV文件外，pandas还支持读取Excel、JSON、HTML等多种格式的数据文件。
一、PANDAS读取文件
1、读取CSV文件
CSV文件是一种常见的数据存储格式，pandas提供了read_csv函数来读取CSV文件。其基本用法如下：
import pandas as pd
读取CSV文件
df = pd.read_csv('data.csv')
查看前五行数据
print(df.head())
在read_csv函数中，你可以指定许多参数，例如分隔符、编码格式、列名等。例如，如果你的CSV文件使用分号作为分隔符，可以这样指定：
df = pd.read_csv('data.csv', delimiter=';')
2、读取Excel文件
Excel文件也是常见的数据存储格式之一，pandas提供了read_excel函数来读取Excel文件。其基本用法如下：
# 读取Excel文件
df = pd.read_excel('data.xlsx')
查看前五行数据
print(df.head())
在read_excel函数中，你可以指定要读取的工作表名称或索引，如果不指定则默认读取第一个工作表：
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')
3、读取JSON文件
JSON文件是一种轻量级的数据交换格式，pandas提供了read_json函数来读取JSON文件。其基本用法如下：
# 读取JSON文件
df = pd.read_json('data.json')
查看前五行数据
print(df.head())
在read_json函数中，你可以指定JSON数据的格式，例如记录格式（record）或列格式（columns）：
df = pd.read_json('data.json', orient='records')
4、读取HTML文件
HTML文件中经常包含表格数据，pandas提供了read_html函数来读取HTML文件中的表格数据。其基本用法如下：
# 读取HTML文件中的表格数据
tables = pd.read_html('data.html')
查看第一个表格的前五行数据
print(tables[0].head())
在read_html函数中，你可以指定要读取的表格索引或使用正则表达式来匹配表格：
tables = pd.read_html('data.html', match='Table1')
二、NUMPY读取文本
1、读取文本文件
Numpy库提供了loadtxt和genfromtxt函数来读取文本文件。其基本用法如下：
import numpy as np
读取文本文件
data = np.loadtxt('data.txt')
查看数据
print(data)
在loadtxt函数中，你可以指定分隔符、数据类型、跳过的行数等参数：
data = np.loadtxt('data.txt', delimiter=',', dtype=float, skiprows=1)
2、读取带缺失值的文本文件
如果文本文件中包含缺失值，可以使用genfromtxt函数来读取。其基本用法如下：
# 读取带缺失值的文本文件
data = np.genfromtxt('data.txt', delimiter=',', dtype=float, skip_header=1, filling_values=-999)
查看数据
print(data)
在genfromtxt函数中，你可以指定填充缺失值的默认值：
data = np.genfromtxt('data.txt', delimiter=',', dtype=float, skip_header=1, filling_values=np.nan)
三、CSV模块读取CSV文件
1、读取CSV文件
Python内置的csv模块提供了读取CSV文件的功能。其基本用法如下：
import csv
打开CSV文件
with open('data.csv', mode='r', newline='') as file:
reader = csv.reader(file)
# 遍历读取的行
for row in reader:
print(row)
在csv.reader函数中，你可以指定分隔符、引用符等参数：
reader = csv.reader(file, delimiter=',', quotechar='"')
2、读取带表头的CSV文件
如果CSV文件包含表头，可以使用csv.DictReader函数来读取。其基本用法如下：
# 打开CSV文件
with open('data.csv', mode='r', newline='') as file:
reader = csv.DictReader(file)
# 遍历读取的行
for row in reader:
print(row)
在csv.DictReader函数中，每一行数据将被解析为一个字典，键是表头列名，值是对应的列值：
for row in reader:
print(row['column1'], row['column2'])
四、SQLALCHEMY读取数据库
1、连接数据库
SQLAlchemy是一个功能强大的SQL工具包和对象关系映射（ORM）库，它支持多种数据库。首先，需要安装SQLAlchemy：
pip install sqlalchemy
然后，通过以下代码连接数据库：
from sqlalchemy import create_engine
创建数据库引擎
engine = create_engine('sqlite:///data.db')
连接数据库
connection = engine.connect()
在create_engine函数中，你可以指定不同的数据库连接字符串，例如MySQL、PostgreSQL等：
engine = create_engine('mysql+pymysql://user:password@host:port/dbname')
2、读取数据表
连接数据库后，可以使用pandas的read_sql函数读取数据表。其基本用法如下：
import pandas as pd
读取数据表
df = pd.read_sql('SELECT * FROM table_name', connection)
查看前五行数据
print(df.head())
在read_sql函数中，你可以执行任意的SQL查询语句：
df = pd.read_sql('SELECT column1, column2 FROM table_name WHERE condition', connection)
五、REQUESTS读取网络数据
1、读取网络数据
Requests库是一个简洁且功能强大的HTTP库，可以用来请求和读取网络数据。首先，需要安装Requests库：
pip install requests
然后，通过以下代码读取网络数据：
import requests
发送GET请求
response = requests.get('https://api.example.com/data')
查看响应内容
print(response.text)
在requests.get函数中，你可以指定请求头、参数等：
response = requests.get('https://api.example.com/data', headers={'User-Agent': 'Mozilla/5.0'}, params={'key': 'value'})
2、解析JSON数据
如果网络数据是JSON格式，可以使用json模块进行解析。其基本用法如下：
import json
解析JSON数据
data = json.loads(response.text)
查看数据
print(data)
在json.loads函数中，你可以将JSON字符串解析为Python对象：
data = json.loads(response.text)
print(data['key'])
3、读取CSV文件
Requests库还可以读取网络上的CSV文件，然后使用pandas进行处理。其基本用法如下：
import pandas as pd
import requests
发送GET请求
response = requests.get('https://example.com/data.csv')
将响应内容转换为字符串
data = response.content.decode('utf-8')
读取CSV数据
df = pd.read_csv(pd.compat.StringIO(data))
查看前五行数据
print(df.head())
在pd.read_csv函数中，你可以使用pd.compat.StringIO将字符串转换为文件对象：
df = pd.read_csv(pd.compat.StringIO(data), delimiter=',')
通过以上介绍，我们可以看到Python提供了多种读取数据集的方式，每种方式都有其适用的场景和特点。无论是本地文件、数据库还是网络数据，Python都能方便地进行读取和处理。希望这些内容对你有所帮助，在实际项目中可以根据需要选择合适的方式来输入数据集。
无论你是进行数据分析、机器学习还是其他数据处理任务，掌握这些方法将极大提升你的工作效率和能力。Python强大的生态系统和丰富的库支持，确保了你可以轻松应对各种数据处理需求。
相关问答FAQs：
如何在Python中加载CSV格式的数据集？
在Python中，可以使用Pandas库来加载CSV格式的数据集。首先，确保已经安装了Pandas库，可以使用pip install pandas命令进行安装。然后，使用以下代码加载CSV文件：
import pandas as pd
data = pd.read_csv('your_dataset.csv')
print(data.head())
这段代码会读取指定路径的CSV文件，并将其存储为DataFrame对象，data.head()函数可以显示数据集的前几行，方便你进行初步检查。
在Python中处理Excel文件的数据集需要哪些步骤？
处理Excel文件的数据集，可以使用Pandas库的read_excel函数。首先，确保安装了openpyxl或xlrd库，以便于读取Excel文件。可以使用以下命令安装：
pip install openpyxl
接下来，使用以下代码加载Excel文件：
import pandas as pd
data = pd.read_excel('your_dataset.xlsx', sheet_name='Sheet1')
print(data.head())
通过指定sheet_name参数，可以选择加载特定的工作表。
如何从数据库中读取数据集到Python中？
从数据库读取数据集通常需要使用SQLAlchemy库。首先，确保安装了SQLAlchemy和数据库驱动程序，比如pymysql用于MySQL。可以使用以下命令安装：
pip install sqlalchemy pymysql
然后，可以使用以下代码连接到数据库并读取数据集：
from sqlalchemy import create_engine
import pandas as pd
engine = create_engine('mysql+pymysql://username:password@host:port/database')
query = 'SELECT * FROM your_table'
data = pd.read_sql(query, engine)
print(data.head())
在这段代码中，替换username、password、host、port和database为实际的数据库连接信息，your_table是要查询的数据表。
