嘗試本節(jié)代碼之前，必須成功安裝pandas。

常見的數(shù)據(jù)來源，有TXT格式（例：空格分隔）、Excel格式、數(shù)據(jù)庫表格（例：mysql數(shù)據(jù)庫表格）、以及數(shù)組（list）和字典（dict）格式數(shù)據(jù)。

0 數(shù)據(jù)格式

嘗試時(shí)，請(qǐng)先將下表另存為相應(yīng)的數(shù)據(jù)格式。

1 TXT格式數(shù)據(jù)的讀?。ù颂幨褂每崭駷榉指舴?/h1>

此處需留意TXT文件的編碼格式。如不是UTF-8格式，而是GBK格式，須在open函數(shù)中做相應(yīng)調(diào)整。

import pandas as pd
with open('G:/test/2.pandas數(shù)據(jù)讀取 TXT格式.txt', 'r', encoding='UTF-8') as f:
  table = pd.read_table(f, sep=' ', index_col=0, header=None, names=['倉庫','倉庫編號(hào)','SKU','狀態(tài)','批次','有效日期','批號(hào)','發(fā)貨數(shù)量','收貨數(shù)量'],lineterminator='\n')

TXT格式

2 Excel格式數(shù)據(jù)的讀取和寫入

下述是常用方法，其中names參數(shù)用于重命名。但pandas讀取Excel數(shù)據(jù)的方法，貌似不可以根據(jù)Excel的名稱管理器讀取數(shù)據(jù)，而是讀取某sheet的全部數(shù)據(jù)。

import pandas as pd
table = pd.read_excel('G:/test/2.pandas數(shù)據(jù)讀取 Excel格式.xlsx', sheetname='Sheet1', names=['倉庫','倉庫編號(hào)','SKU','狀態(tài)','批次','有效日期','批號(hào)','發(fā)貨數(shù)量','收貨數(shù)量'])

writer = pd.ExcelWriter("test.xlsx")
for sheet in ['sheet1']:
  table.to_excel(writer, sheet_name=sheet)
writer.save()

Excel格式

3 數(shù)據(jù)庫表格數(shù)據(jù)的讀取

此處使用mysql做演示

import pandas as pd
from sqlalchemy import create_engine
engine = create_engine("mysql+mysqldb://username:password@server_ip:server_port/database_name?charset=utf8")
table = pd.read_sql_query(con=engine,sql="SELECT `倉庫`,`倉庫編號(hào)`,`SKU`,`狀態(tài)`,`批次`,`有效日期`,`批號(hào)`,`發(fā)貨數(shù)量`,`收貨數(shù)量` FROM demo_inv")

4 數(shù)組（list）和字典（dict）格式數(shù)據(jù)的讀取

數(shù)組可輕松轉(zhuǎn)成DateFrame格式，但json格式的數(shù)據(jù)，由于其結(jié)構(gòu)復(fù)雜度，不是很容易轉(zhuǎn)化。比較合適的方式，是先將字典轉(zhuǎn)成數(shù)組，然后再轉(zhuǎn)成DateFrame格式，此處不做展示

import pandas as pd
table = pd.DataFrame([["備貨倉","7","102001","1","YQ1HMC","2019-08-16","20190816","11","11"],["華東倉(原零售倉)","5","102001","1","YQ1HMC","2019-08-16","20190816","5","5"]],columns=['倉庫','倉庫編號(hào)','SKU','狀態(tài)','批次','有效日期','批號(hào)','發(fā)貨數(shù)量','收貨數(shù)量'])