数据分析从零开始实战,Pandas读写Excel/XML数据
发布网友
发布时间：2024-09-27 17:44
共1个回答
热心网友
时间：2024-10-18 14:25
前面两篇文章讲了数据分析虚拟环境创建和pandas读写csv、tsv、json格式的数据，今天我们继续探索pandas读取数据。
一 基本知识概要
1.利用pandas读写Excel文件 2.利用pandas读写XML文件
二 开始动手动脑1.利用Python读写Excel读取，利用Pandas库的ExcelFile()方法。
写入，利用Pandas库的利用to_excel方法。
代码importpandasaspdimportos#获取当前文件父目录路径father_path=os.getcwd()#原始数据文件路径rpath_excel=father_path+r'\data01\realEstate_trans.xlsx'#数据保存路径wpath_excel=father_path+r'\data01\temp_excel.xlsx'#打开excel文件excel_file=pd.ExcelFile(rpath_excel)#读取文件内容"""ExcelFile对象的parse()方法读取指定工作表的内容ExcelFile对象的sheet_names属性可以获取Excel文件中的所有工作表这里还用到了字典表达式来给字典赋值（看起来更加优雅）"""excel_read={sheetName:excel_file.parse(sheetName)forsheetNameinexcel_file.sheet_names}#输出Sacramento表格的price列的头10行记录print(excel_read['Sacramento'].head(10)['price'])print(type(excel_read['Sacramento'].head(10)['price']))#遇到错误：MoleNotFoundError:Nomolenamed'xlrd'#写入表格的price列的前10行excel_read['Sacramento'].head(10)['price'].to_excel(wpath_excel,"price",index=False)#遇到错误：MoleNotFoundError:Nomolenamed'openpyxl'读取结果：写入结果：可能报错：读操作时：MoleNotFoundError:Nomolenamed'xlrd'写操作时：MoleNotFoundError:Nomolenamed'openpyxl'解决方法：#在环境里安装xlrd和openpyxl模块即可pipinstallxlrdpipinstallopenpyxl2.利用Python读写XML文件学过java的同学对XML应该不陌生，全称是eXtensible Markup Language(扩展标记语言)，虽然平时不常见，但是Web API里支持XML编码。
读写代码importpandasaspd#一个轻量的XML解析器importxml.etree.ElementTreeasETimportos"""读入XML数据，返回pa.DataFrame"""defread_xml(xml_FileName):withopen(xml_FileName,"r")asxml_file:#读取数据，以树的结构存储tree=ET.parse(xml_file)#访问树的梗节点root=tree.getroot()#返回DataFrame格式数据returnpd.DataFrame(list(iter_records(root)))"""遍历有记录的生成器"""defiter_records(records):forrecordinrecords:#保存值的临时字典temp_dict={}#遍历所有字段forvarinrecord:temp_dict[var.attrib["var_name"]]=var.text#生成值yieldtemp_dict"""以XML格式保存数据"""defwrite_xml(xmlFileName,data):withopen(xmlFileName,"w")asxmlFile:#写头部xmlFile.write('<?xmlversion="1.0"encoding="UTF-8"?>')xmlFile.write('<records>\n')#写数据xmlFile.write('\n'.join(data.apply(xml_encode,axis=1)))#写尾部xmlFile.write("\n</records>")"""以特定的嵌套格式将每一行编码成XML"""defxml_encode(row):#第一步--输出record节点xmlItem=['<record>']#第二步--给行中每个字段加上XML格式<fieldname=···>···</field>forfieldinrow.index:xmlItem.append('<varvar_name="{0}">{1}</var>'.format(field,row[field]))#最后一步--标记record节点的结束标签xmlItem.append("</record>")return'\n'.join(xmlItem)#获取当前文件父目录路径father_path=os.getcwd()#原始数据文件路径rpath_xml=father_path+r'\data01\realEstate_trans.xml'#数据保存路径wpath_xml=father_path+r'\data01\temp_xml.xml'#读取数据xml_read=read_xml(rpath_xml)#输出头10行记录print(xml_read.head(10))#以XML格式写回文件write_xml(wpath_xml,xml_read.head(10))运行结果代码解析(1)read_xml(xml_FileName)函数
功能：读入XML数据，返回pa.DataFrame
这里利用到了一个轻量级的XML解析器：xml.etree.ElementTree。传入文件名，先读取文件内容，然后利用parse()函数解析XML，创建一个树状结构并存放在tree变量中，在tree对象上调用getroot()方法得到根节点，最后调用iter_records()函数，传入根节点，进而将返回的信息转换成DataFrame。
(2)iter_records(records)函数
功能：遍历有记录的生成器
iter_records()方法是一个生成器，从关键字yield可以看出来,与return不同，生成器每次只向主调方法返回一个值，直到结束。
(3)write_xml(xmlFile, data)函数
功能：以XML格式保存数据
这里需要注意的是得按XML文件格式进行保存，我们要做的就是三步：保存头部格式、按格式保存数据、保存尾部格式。保存数据时用到了DataFrame对象的apply()方法，遍历内部每一行，第一个参数xml_encode指定了要应用到每一行记录上的方法，axis=1表示按行处理，默认值为0，表示按列处理。
(4)xml_encode(row)函数
功能：以特定的嵌套格式将每一行编码成XML
在写数据的过程我们会调用这个方法，对每行数据进行处理，变成XML格式。
三 送你的话昨天开了个会，然后思考了写问题，这里分享给大家：
1、思想觉悟，辩证思考。不要随声附和，要有己见，聪明的人应该是坚持输出自己的思想，从事情本身和和他人评论去思考，再辩正自己的思考，再输出；
2、少喊口号，多做实事。本来我是很推崇做个人规划的，但是，我发现不止是我周边和某些读者朋友，包括我自己，规划作的越来越假大空，规划本身没有错，错的是：现实生活中我们把规划变成了日日口号，而为能如实完成，所以我现在推崇：规划，先做再说。
坚持 and 努力 ： 终有所获。
思想很复杂，
实现很有趣，
只要不放弃，
终有成名日。
—《老表打油诗》
下期见，我是爱猫爱技术的老表，如果觉得本文对你学习有所帮助，欢迎点赞、评论、关注我！
