Pandas之文件读取与存储

文件读取与存储

1 CSV
- 1.1 read_csv
- 1.2 to_csv
- 1.3案例
2 HDF5
- 2.1 read_hdf与to_hdf
- 2.2案例
3 JSON
- 3.1 read_json
- 3.2 read_josn案例
- 3.3 to_json
- 3.4案例
优先选择使用HDF5文件存储

我们的数据大部分存在于文件当中，因此pandas会支持复杂的IO操作，pandas的API支持众多的文件格式，例如CSV，SQL，XLS，JSON，HDF5。

注：最常用的HDF5和CSV文件

1 CSV

1.1 read_csv

pandas.read_csv（filepath_or_buffer，sep =’，’）
- filepath_or_buffer：文件路径
- usecols：指定重新读取的列名，列表形式

读取之前的股票的数据

# 读取文件,并且指定只获取'open', 'close'指标
data = pd.read_csv("./data/stock_day.csv", usecols=['open', 'close'])open    high    close
2018-02-27    23.53    25.88    24.16
2018-02-26    22.80    23.78    23.53
2018-02-23    22.88    23.37    22.82
2018-02-22    22.25    22.76    22.28
2018-02-14    21.49    21.99    21.92

1.2 to_csv

DataFrame.to_csv（path_or_buf =无，sep =’，’，列=无，标头=真，索引=真，模式=‘w’，编码=无）
- path_or_buf：文件路径
- sep：分隔符，默认用“，”替换
- 列：选择需要的列索引
- header：布尔值或字符串列表，默认为True，是否写进列索引值
- index：是否写进行索引
- 模式：‘w’：重组，'a’追加

1.3案例

保存’open’列的数据

# 选取10行数据保存,便于观察数据
data[:10].to_csv("./data/test.csv", columns=['open'])

读取，查看结果

pd.read_csv("./data/test.csv")Unnamed: 0    open
0    2018-02-27    23.53
1    2018-02-26    22.80
2    2018-02-23    22.88
3    2018-02-22    22.25
4    2018-02-14    21.49
5    2018-02-13    21.40
6    2018-02-12    20.70
7    2018-02-09    21.20
8    2018-02-08    21.79
9    2018-02-07    22.69

会发现将索引存入到文件当中，变成单独的一列数据。如果需要删除，可以指定索引参数，删除原来的文件，重新保存一次。

# index:存储不会讲索引值变成一列数据
data[:10].to_csv("./data/test.csv", columns=['open'], index=False)

2 HDF5

2.1 read_hdf与to_hdf

HDF5文件的读取和存储需要指定一个键，估计要存储的DataFrame

pandas.read_hdf（path_or_buf，key = None，** kwargs）
从h5文件当中读取数据
- path_or_buffer：文件路径
- key：读取的键
- 返回：所选对象
DataFrame.to_hdf（path_or_buf，key，* \ kwargs *）

2.2案例

读取文件

day_eps_ttm = pd.read_hdf("./data/stock_data/day/day_eps_ttm.h5")

如果读取的时候出现以下错误

需要安装表格模块避免不能读取HDF5文件

pip install tables

存储文件

day_eps_ttm.to_hdf("./data/test.h5", key="day_eps_ttm")

再次读取的时候，需要指定键的名字

new_eps = pd.read_hdf("./data/test.h5", key="day_eps_ttm")

3 JSON

JSON是我们常用的一种数据交换格式，前面在前面的交互经常用到，也会在存储的时候选择这种格式。所以我们需要知道Pandas如何进行读取和存储JSON格式。

3.1 read_json

pandas.read_json（path_or_buf = None，orient = None，typ =‘frame’，lines = False）
- 将JSON格式准换成默认的Pandas DataFrame格式
- orient：string，预期的JSON字符串格式的指示。
  - ‘split’：像{index-> [index]，columns-> [columns]，data-> [values]}之类的字典
    - split将索引总结到索引，列名到列名，数据到数据。将三部分都分开了
  - ‘records’：类似于[{column-> value}，…，{column-> value}]的列表
    - 记录以columns：values的形式输出
  - ‘index’：类似{index-> {column-> value}}的字典
    - index以index：{columns：values}…的形式输出
  - ‘columns’：类似{column-> { index- > value}}的字典，该格式
    - 列以columns:{index:values}的形式输出
  - ‘values’：仅是values数组
    - 直接输出值
- lines：布尔值，默认为False
- 按照每行读取json对象
- typ：默认为’frame’，指定转换成的对象类型系列或dataframe

3.2 read_josn案例

数据介绍

这里使用一个新闻标题讽刺数据集，格式为JSON。is_sarcastic：1讽刺的，否则为0; headline：新闻报道的标题; article_link：链接到原始新闻文章存储格式为：

{"article_link": "https://www.huffingtonpost.com/entry/versace-black-code_us_5861fbefe4b0de3a08f600d5", "headline": "former versace store clerk sues over secret 'black code' for minority shoppers", "is_sarcastic": 0}
{"article_link": "https://www.huffingtonpost.com/entry/roseanne-revival-review_us_5ab3a497e4b054d118e04365", "headline": "the 'roseanne' revival catches up to our thorny political mood, for better and worse", "is_sarcastic": 0}

读取
orient指定存储的json格式，行指定跟随行去变成一个样本

json_read = pd.read_json("./data/Sarcasm_Headlines_Dataset.json", orient="records", lines=True)

结果为：

3.3 to_json

DataFrame.to_json（path_or_buf = None，orient = None，lines = False）
- 将Pandas对象存储为json格式
- path_or_buf =无：文件地址
- orient：存储的json形式，{‘split’，‘records’，‘index’，‘columns’，‘values’}
- 行：一个对象存储为一行

3.4案例

存储文件

json_read.to_json("./data/test.json", orient='records')

[{"article_link":"https:\/\/www.huffingtonpost.com\/entry\/versace-black-code_us_5861fbefe4b0de3a08f600d5","headline":"former versace store clerk sues over secret 'black code' for minority shoppers","is_sarcastic":0},{"article_link":"https:\/\/www.huffingtonpost.com\/entry\/roseanne-revival-review_us_5ab3a497e4b054d118e04365","headline":"the 'roseanne' revival catches up to our thorny political mood, for better and worse","is_sarcastic":0},{"article_link":"https:\/\/local.theonion.com\/mom-starting-to-fear-son-s-web-series-closest-thing-she-1819576697","headline":"mom starting to fear son's web series closest thing she will have to grandchild","is_sarcastic":1},{"article_link":"https:\/\/politics.theonion.com\/boehner-just-wants-wife-to-listen-not-come-up-with-alt-1819574302","headline":"boehner just wants wife to listen, not come up with alternative debt-reduction ideas","is_sarcastic":1},{"article_link":"https:\/\/www.huffingtonpost.com\/entry\/jk-rowling-wishes-snape-happy-birthday_us_569117c4e4b0cad15e64fdcb","headline":"j.k. rowling wishes snape happy birthday in the most magical way","is_sarcastic":0},{"article_link":"https:\/\/www.huffingtonpost.com\/entry\/advancing-the-worlds-women_b_6810038.html","headline":"advancing the world's women","is_sarcastic":0},....]

修改lines参数为True

json_read.to_json("./data/test.json", orient='records', lines=True)

结果

{"article_link":"https:\/\/www.huffingtonpost.com\/entry\/versace-black-code_us_5861fbefe4b0de3a08f600d5","headline":"former versace store clerk sues over secret 'black code' for minority shoppers","is_sarcastic":0}
{"article_link":"https:\/\/www.huffingtonpost.com\/entry\/roseanne-revival-review_us_5ab3a497e4b054d118e04365","headline":"the 'roseanne' revival catches up to our thorny political mood, for better and worse","is_sarcastic":0}
{"article_link":"https:\/\/local.theonion.com\/mom-starting-to-fear-son-s-web-series-closest-thing-she-1819576697","headline":"mom starting to fear son's web series closest thing she will have to grandchild","is_sarcastic":1}
{"article_link":"https:\/\/politics.theonion.com\/boehner-just-wants-wife-to-listen-not-come-up-with-alt-1819574302","headline":"boehner just wants wife to listen, not come up with alternative debt-reduction ideas","is_sarcastic":1}
{"article_link":"https:\/\/www.huffingtonpost.com\/entry\/jk-rowling-wishes-snape-happy-birthday_us_569117c4e4b0cad15e64fdcb","headline":"j.k. rowling wishes snape happy birthday in the most magical way","is_sarcastic":0}...

优先选择使用HDF5文件存储

HDF5在存储的时候支持压缩，使用的方式是blosc，这个是速度驱动的也是pandas替代支持的
使用压缩可以提磁盘优化，节省空间
HDF5还是跨平台的，可以轻松迁移到hadoop上面

Pandas之文件读取与存储相关推荐

Pandas：文件读取、存储【读取：read_**()、写入：to_**()】【文件类型：csv、excel、json、HDF5】
我们的数据大部分存在于文件当中,所以pandas会支持复杂的IO操作,pandas的API支持众多的文件格式,如CSV.SQL.XLS.JSON.HDF5. 注:最常用的HDF5和CSV文件 1 CS ...
机器学习3：——Pandas——3：文件读取和存储
一.文件读取与存储学习目标目标了解Pandas的几种文件读取存储操作应用CSV方式和HDF方式实现文件的读取和存储应用实现股票数据的读取存储我们的数据大部分存在于文件当中,所以panda ...
pandas文件读取与存储
pandas文件读取与存储我们的数据大部分存在于文件当中,所以pandas会支持复杂的IO操作,pandas的API支持众多的文件格式,如CSV.SQL.XLS.JSON.HDF5. 注:最常用的H ...
学习笔记Spark（四）—— Spark编程基础（创建RDD、RDD算子、文件读取与存储）
文章目录一.创建RDD 1.1.启动Spark shell 1.2.创建RDD 1.2.1.从集合中创建RDD 1.2.2.从外部存储中创建RDD 任务1: 二.RDD算子 2.1.map与flat ...
python:文件读取和存储
文章目录一.文件的打开.读取.加载 1.python内置函数:open()打开.f.read()读取 2.pandas库 3.numpy库二.文件的写入.存储 1.python内置函数:f.wri ...
3-7 pandas数据的读取与存储
数据分析工具pandas 7. 数据的读取与存储 7.1 读操作 7.2 写操作 7.3 JSON格式 7.4 分块读取大文件 Pandas是一个强大的分析结构化数据的工具集,基于NumPy构建,提供 ...
pandas parquet文件读取pyarrow、feather文件保存与读取；requests 或wget下载图片文件
**pandas读取文件填写绝对路径,相对路径可能出错读不了安装 fastparquet库,需要安装python-snappy ,一直安装错误,所以使用了pyarrow pip install py ...
在Python中使用pandas进行文件读取和写入方法详解
Pandas 是 Python 的一个功能强大且灵活的三方包,可处理标记和时间序列数据.还提供统计方法.启用绘图等功能.Pandas 的一项重要功能是能够编写和读取 Excel.CSV 和许多其他类型 ...
php大文件读取和存储,php存储大文件思路
这个似乎是没办法. 看这段: 在图片上传部分,其实能玩的花样很少,但是编写代码所消耗的时间最多.现在我们再假设一种情景,如果我们的图片服务器前端采用Nginx,上传功能用PHP实现,需要写的代码很少 ...