将表格型数据读取为DataFrame对象是pandas的重要特性，下表总结了部分函数

这些函数的可选参数主要有：

索引

可以将一或多个列作为返回的DataFrame，从文件或用户处获得列名

类型推断和数据转换

包括用户自定义的值转换和自定义的缺失值符号列表

日期时间解析

包括组合功能，也包括将分散在多个列上的日期和时间信息组合成结果中的单列

迭代

支持对大型文件的分块迭代

未清洗数据问题

跳过行、页脚、注释以及其他次要数据，比如逗号分隔千位的数字

这里我在本机的/Users/roarboil/Desktop/ 这一目录下存了一个csv文件如图：

我们使用Unix环境下的cat命令来查看该文件：

我们发现这个文件是由逗号分隔的，于是我们使用read_csv读入一个DataFrame

df = pd.read_csv('/Users/roarboil/Desktop/1.csv')
print(df)	==>
   a   b   c   d message
0  1   2   3   4   hello
1  5   6   7   8   world
2  9  10  11  12     foo

如果本身没有列名，可以选择自动分配列名或手动指定：

df1 = pd.read_csv('/Users/roarboil/Desktop/1.csv' ,header=None)
print(df1)	==>
   0   1   2   3      4
0  1   2   3   4  hello
1  5   6   7   8  world
2  9  10  11  12    foo
df2 = pd.read_csv('/Users/roarboil/Desktop/1.csv' ,names=['a','b','c','d','message'])
print(df2)	==>
   a   b   c   d message
0  1   2   3   4   hello
1  5   6   7   8   world
2  9  10  11  12     foo

如果想要指定列作为返回DataFrame的索引，可以使用index_col方法（这里以message列作为索引为例）

df2 = pd.read_csv('/Users/roarboil/Desktop/1.csv' ,names=['a','b','c','d','message'],index_col='message')
print(df2)	==>
         a   b   c   d
message               
hello    1   2   3   4
world    5   6   7   8
foo      9  10  11  12

如果想要形成一个分层索引，需要传入一个包含列序号或列名的列表

df = pd.read_csv('/Users/roarboil/Desktop/1.csv' ,index_col=['key1','key2'])
print(df)	==>
           value1  value2
key1 key2                
one  a          1       2
     b          3       4
     c          5       6
     d          7       8
two  a          9      10
     b         11      12
     c         13      14
     d         15      16

解析函数有很多附加函数来帮助处理各种各种异常文件格式，比如可以使用skiprows来跳行处理

可以使用na_values进行缺失值标识指定（也即人工指定进来什么数据表示该项数据缺失）

df = pd.read_csv('/Users/roarboil/Desktop/1.csv' ,index_col=['key1','key2'],na_values=['5'])
print(df)	==>
           value1  value2
key1 key2                
one  a        1.0       2
     b        3.0       4
     c        NaN       6
     d        7.0       8
two  a        9.0      10
     b       11.0      12
     c       13.0      14
     d       15.0      16

分块读入文本文件

如果只想读取一小部分行可以知名nrows

为了分块读入文件，可以指定chunksize作为每一块的行数

read_csv返回的TextParser对象允许根据上面指定的chunksize来便利每一个数据块，下面的示例程序遍历文件并对列key聚合获得计数值

chunker = pd.read_csv('examples/ex6.csv',chunkersize=1000)
tot = pd.Series([])
for piece in chunker:
	tot = tot.add(piece['key'].value_counts(), fill_value=0)
tot = tot.sort_values(ascending=False)

将数据写入文本格式

可以使用DataFrame的to_csv方法将数据导出为逗号分隔的文件

df = pd.read_csv('/Users/roarboil/Desktop/1.csv')
print(df)	==>
  key1 key2  value1  value2
0  one    a       1       2
1  one    b       3       4
2  one    c       5       6
3  one    d       7       8
4  two    a       9      10
5  two    b      11      12
6  two    c      13      14
7  two    d      15      16
df.to_csv('/Users/roarboil/Desktop/2.csv')

也可以使用sep参数指定其他的分隔符

df = pd.read_csv('/Users/roarboil/Desktop/1.csv')
df.to_csv(sys.stdout,sep='|')	==>
|key1|key2|value1|value2
0|one|a|1|2
1|one|b|3|4
2|one|c|5|6
3|one|d|7|8
4|two|a|9|10
5|two|b|11|12
6|two|c|13|14
7|two|d|15|16

另外也可以使用na_rep对缺失值进行标注，用index=False和header=False来禁止写入行和列的标签

关于JSON数据和XML/HTML数据待用到时再作补充