如何将数据导入python

在Python中导入数据通常有以下几种方法：

1. 使用内置的`open（）`函数读取文本文件：

 with open（'data.txt', 'r'） as file: data = file.read（） print（data） 

2. 使用`pandas`库读取常见的数据格式，如CSV、Excel等：

 import pandas as pd data = pd.read_csv（'data.csv'） 导入CSV文件 或者 data = pd.read_excel（'data.xlsx'） 导入Excel文件 

3. 使用`numpy`库读取和处理数值数据：

 import numpy as np data = np.loadtxt（'data.txt'） 导入文本文件中的数据 

4. 使用`pickle`库读取和写入Python对象：

 import pickle with open（'data.pkl', 'rb'） as file: data = pickle.load（file） 

5. 使用`json`库读取和写入JSON格式数据：

 import json with open（'data.json', 'r'） as file: data = json.load（file） 

6. 使用`requests`库下载数据：

 import requests response = requests.get（'http://example.com/data.json'） data = response.json（） 

7. 使用`scipy`库读取和处理科学计算数据：

 import scipy.io data = scipy.io.loadmat（'data.mat'） 导入MATLAB文件 

8. 使用`sqlite3`库连接和读取SQLite数据库：

 import sqlite3 conn = sqlite3.connect（'example.db'） data = pd.read_sql_query（"SELECT * FROM table_name", conn） 

9. 使用`PyODBC`库连接和读取SQL Server、MySQL等数据库：

 import pyodbc conn = pyodbc.connect（'DRIVER={SQL Server}；SERVER=server_name；DATABASE=database_name；UID=username；PWD=password'） data = pd.read_sql_query（"SELECT * FROM table_name", conn） 

10. 使用`h5py`库读取和处理HDF5格式数据：

 import h5py with h5py.File（'data.h5', 'r'） as file: data = file['dataset_name'][:] 

11. 使用`csv`模块读取和处理CSV格式数据：

 import csv with open（'data.csv', 'r'） as file: reader = csv.reader（file） data = list（reader） 

12. 使用`xlrd`库读取Excel文件数据：

 import xlrd workbook = xlrd.open_workbook（'data.xlsx'） sheet = workbook.sheet_by_index（0） data = [sheet.row_values（row） for row in range（sheet.nrows）] 

13. 使用`pyarrow`库读取和处理Parquet格式数据：

 import pyarrow.parquet as pq data = pq.read_table（'data.parquet'）.to_pandas（） 

选择哪种方法取决于数据的来源和格式。通常，`pandas`和`numpy`是处理结构化数据的常用库，而`sqlite3`和`PyODBC`用于数据库操作。