python的pandas包，pandas如何读取格式化数据？

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

python当然可以使用传统的open语句来读取一个文件，但是在现在的科学时代，不使用点高大上的库就显得那么跟不上时代。比如：苏南大叔的读取三元组数据文本的任务。其实也可以使用pandas这个库来读取。

大家好，这里是苏南大叔的“程序如此灵动”博客，这里讲述苏南大叔和各种编程代码的事情。本文讲述python数据处理的工具pandas的基本使用问题。本文测试环境：python@3.6.8，pandas@1.1.5。另外悄悄的说一句：pandas和我们的国宝熊猫到底是啥关系呢？

什么是pandas

Pandas是基于NumPy的一种工具，该工具是为了解决数据分析任务而创建的。Pandas纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。
Pandas的主要数据结构是Series(一维数据)与DataFrame(二维数据),这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。

pandas的官方网站：

• https://pandas.pydata.org/

虽然用了很久这个库了，但是真心是没访问过它的官网。而且，不仅python里面有pandas，R语言里面也有pandas。

查看pandas版本

想要使用pandas，首先就要使用pip安装pandas，执行命令：

pip install pandas

如果想要查看已经安装好的pandas版本的话，可以执行：

pip list | grep pandas

相关连接：

• https://newsn.net/say/windows-grep.html

read_table

这里用于读取特殊格式化后的文本数据，比如csv数据等等，只要文本数据符合类似table形状的数据，各行之间是换行分割，各列之间使用某个字符进行分割的就行。比如：苏南大叔要处理的知识图谱三元组数据。

本文范例中，知识图谱的三元组数据共分为三列，第一列和第三列都是实体，中间一列是关系（属性），数据之间使用/t分割。使用pandas的read_table函数的话，需要指定分隔符decimal，还需要给每列起个合适的名字names`。这里知识图谱的三元组数据有三列，所以第三个参数是个对应数量的数组。

import pandas as pd
data = pd.read_table("test2.txt", decimal="\t", names=["entity_1", "role", "entity_2"])

pd数据总览

查看总体信息：

data.info()

返回数据类似如下：

RangeIndex: 83207 entries, 0 to 83206
Data columns (total 3 columns):
 #   Column    Non-Null Count  Dtype
---  ------    --------------  -----
 0   entity_1  83207 non-null  object
 1   role      83207 non-null  object
 2   entity_2  83207 non-null  object
dtypes: object(3)
memory usage: 1.9+ MB
None

显示共有三列数据，分别是：entity_1/role/entity_2，每列有83207条数据。

pd数据范例

查看范例数据：

data.head()
# data.head(20)

就是展示一下前几条数据，不传数量的话，就显示5条，传递个数量的话，就显示对应条数的数据。显示出来的数据和在文本中很不一样，有点像文本放在excel里面的感觉。

pd数据类型

查看类型：

type(data)              # <class 'pandas.core.frame.DataFrame'>
type(data['entity_1'])  # <class 'pandas.core.series.Series'>

这个类型的显示，可以印证开篇的描述，DataFrame类似二维数组，Series类似一维数组。

列名数据遍历

for index, row in data.iteritems():
    print(index) # 输出列名

Series数据遍历

pandas的数据，需要先把Series转换为list，才能进行遍历。代码如下：

entity_1_list = data['entity_start'].tolist()
for item in entity_1_list :
    print(item) ## 宝岛

当然，还有别的遍历方式，这里仅仅是列出其中一种罢了。别把这里的代码当成唯一标准答案。

参考文献

更多更全面的说明，还是要看官方文档。

• https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_table.html

总结

在R语言里面，也有非常非常类似的pandas可以使用。苏南大叔也会后续更新pandas系列文章。敬请期待！

• https://newsn.net/tag/pandas/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。