### 如何使用Pandas读取不同格式的数据 Pandas 是一个强大的 Python 数据分析库，能够方便地读取多种数据格式。以下是 Pandas 读取 CSV、Excel 和 SQL 数据的详细方法。 #### 1. 读取 CSV 文件 Pandas 提供了 `read_csv` 函数来加载 CSV 文件。此函数支持多种参数以灵活处理不同的文件格式和编码问题[^1]。 ```python import pandas as pd # 基本用法：读取本地或远程 CSV 文件 data = pd.read_csv('example.csv') # 读取本地文件 data_remote = pd.read_csv('https://example.com/data.csv') # 读取远程文件 # 指定分隔符和编码 data_custom_delimiter = pd.read_csv('data.txt', delimiter='\t', encoding='utf-8') ``` #### 2. 读取 Excel 文件 Pandas 的 `read_excel` 函数可以读取 Excel 文件，并支持多个工作表的加载[^2]。 ```python # 读取 Excel 文件的第一个工作表 data_excel = pd.read_excel('example.xlsx') # 读取特定工作表 data_sheet = pd.read_excel('example.xlsx', sheet_name='Sheet2') # 将所有工作表读取为字典形式 all_sheets = pd.read_excel('example.xlsx', sheet_name=None) ``` #### 3. 读取 SQL 数据 通过 Pandas 的 `read_sql` 函数，结合数据库连接库（如 `sqlalchemy`），可以轻松从 SQL 数据库中读取数据[^3]。 ```python from sqlalchemy import create_engine # 创建数据库连接 engine = create_engine('sqlite:///example.db') # 读取 SQL 查询结果 query = "SELECT * FROM table_name" data_sql = pd.read_sql(query, engine) # 读取整个表 data_table = pd.read_sql_table('table_name', engine) ``` #### 注意事项 - 在读取文件时，确保文件路径正确且文件存在。 - 对于大文件，可以通过设置参数如 `chunksize` 来分块读取数据[^4]。 - 使用 SQL 数据库时，需安装相应的驱动程序（例如 `pyodbc` 或 `mysql-connector-python`）。 ### 示例代码总结 以下是一个综合示例，展示如何读取三种格式的数据： ```python import pandas as pd from sqlalchemy import create_engine # CSV data_csv = pd.read_csv('data.csv') # Excel data_excel = pd.read_excel('data.xlsx', sheet_name='Sheet1') # SQL engine = create_engine('sqlite:///data.db') data_sql = pd.read_sql("SELECT * FROM table", engine) ```