核心：read_table, read_csv, read_excel

# 读取普通分隔数据：read_table

# 可以读取txt，csv

import numpy as np

import pandas as pd

import os

os.chdir('C:/Users/wujun/Desktop/数据分析/CH02数据分析工具：Pandas/') #路径名

data1 = pd.read_table('data1.txt', delimiter=',',header = 0, index_col=0)

print(data1)

# delimiter：用于拆分的字符，也可以用sep：sep = ','

# header：用做列名的序号，默认为0（第一行）

# index_col：指定某列为行索引，否则自动索引0, 1, .....

# read_table主要用于读取简单的数据，txt/csv

# 读取csv数据：read_csv

# 先熟悉一下excel怎么导出csv

os.chdir('C:/Users/wujun/Desktop/数据分析/')

data2 = pd.read_csv('data2.csv',engine = 'python')

print(data2.head())

# engine：使用的分析引擎。可以选择C或者是python。C引擎快但是Python引擎功能更加完备。

# encoding：指定字符集类型，即编码，通常指定为'utf-8'

# 大多数情况先将excel导出csv，再读取

# 读取excel数据：read_excel

os.chdir('C:/Users/wujun/Desktop/数据分析/CH02数据分析工具：Pandas/')

data3 = pd.read_excel('地市级党委书记数据库（2000-10）.xlsx',sheetname=1,header=0)

print(data3)

# io ：文件路径。

# sheetname：返回多表使用sheetname=[0,1],若sheetname=None是返回全表 → ① int/string 返回的是dataframe ②而none和list返回的是dict

# header：指定列名行，默认0，即取第一行

# index_col：指定列为索引列，也可以使用u”strings”