数据科学——读取数据的若干方式-程序员宅基地
技术标签： 读取数据 pandas python 数据科学 数据科学学习笔记 numpy
数据科学中数据的来源以及读取数据的方法
数据来源
数据来源一般有五种：
- 数据文件：以数字或文本形式存储的结构化的数据记录
- 数据库：按照数据结构组织存储和管理数据的一个库，分为关系型数据库和非关系型数据库
- API：应用程序接口， 分为服务型API和数据型API，我们希望使用的是数据型API——通过特定语法，通过向服务器发送特定请求，返回特定格式的数据（或数据文件），一般返回的格式有JSON XML等
- 流式数据：应用于时效性较强的场景，一般分为用户行为数据流和机器数据流
- 外部公开数据：公开的任意第三方都能获取的数据
python读取数据的方法
我们知道数据科学研究中我们最常用的工具就是python，所以这里讲解一下一些读取数据的方法——下面使用jupyter notebook进行数据读取的小实验
从文本文件中读取运营数据
使用python自带的read,readline, readlines进行读取
- 打开文件的基本语法：
file = open('输入文件所在的路径', [, mode], [, buffering])
例子：file = open('data.txt', [, r+])
后面的模式跟C语言中的读写模式一样，常用的读写模式有：
- r ：只读， 文件指针位于文件开头，默认的模式（不设置时默认为r）
- r+ ：打开一个文件用于读写
- w ：打开一个文件只用于写入， 若该文件存在则覆盖其内容，不存在则创建一个新文件
- w+ ：打开一个文件用于读写，存在则覆盖原来内容，不存在则创建新文件
- a ：打开一个文件用于追加内容， 存在时，文件指针放于文件结尾，新写入的数据会追加在原有数据的结尾， 不存在则创建文件进行写入
- a+ ：打开一个文件用于读写，其他功能与a类似
- 三种python自带的文件读取方法：
- read ：读取全部数据，所有行合并为一个字符串
- readline ：读取文件中的一行数据， 该行数据为一个字符串
- readlines ：读取全部数据， 返回一个列表，每一行都是该列表中的一个对象
- 文件的关闭
我们可以使用with来完成打开和关闭：
with open('data.txt') as fn:
content = fn.read()
读取完毕后会自动关闭文件
理论上，python可以读取任意类型的数据文件， 但这里常常读取格式化的文本数据文件为主， 一般是.txt .csv .tsv为扩展名的文件
使用numpy读取数据
大致有三种方法：
- loadtxt : 从txt文件中读取数据
- load ：读取numpy专用的二进制数据文件 .npy文件等
- fromfile ：读取简单的文本文件数据以及二进制数据
这里展示了前面两个的用法：
使用pandas读取数据
常用方法：
- read_csv ： 读取csv文件
- read_fwf ： 读取表格或固定宽度格式的文本行到数据框
- read_table ：读取通用分隔符的数据文件到数据框
- read_clipboard ：从剪贴板中读取数据
- read_excel
- read_html
- read_json
- read_sql
剩下的读取方法从方法名字就知道他们是读取哪类数据的
读取excel数据
可以看到我们可以使用pandas的read_excel来获取，我们也可以使用另一个专门读取excel的包来读取，比如：xlrd xlwt pyexcel-xls xluntils pyExcel-erator等，这里使用xlrd作为例子
Anaconda中内置了两个模块：xlrd xlwt
import xlrd
xlsx = xlrd.open_workbook('file_name.xlsx')
print(xlsx.sheet_names)
这里展示了一些探索数据的方法
读取非结构化网页、文本、图像、视频、语音
从网页中获取数据
可以使用urllib urllib2 requests等库，具体可以看我爬虫的系列文章：
读取非结构化文本数据
读取图像数据
- 使用pillow来读取图片
2. 使用opencv读取图像
智能推荐
使用nginx解决浏览器跨域问题_nginx不停的xhr-程序员宅基地
文章浏览阅读1k次。通过使用ajax方法跨域请求是浏览器所不允许的，浏览器出于安全考虑是禁止的。警告信息如下：不过jQuery对跨域问题也有解决方案，使用jsonp的方式解决，方法如下：$.ajax({ async:false, url: 'http://www.mysite.com/demo.do', // 跨域URL ty..._nginx不停的xhr
在 Oracle 中配置 extproc 以访问 ST_Geometry-程序员宅基地
文章浏览阅读2k次。关于在 Oracle 中配置 extproc 以访问 ST_Geometry，也就是我们所说的 使用空间SQL 的方法，官方文档链接如下。http://desktop.arcgis.com/zh-cn/arcmap/latest/manage-data/gdbs-in-oracle/configure-oracle-extproc.htm其实简单总结一下，主要就分为以下几个步骤。..._extproc
Linux C++ gbk转为utf-8_linux c++ gbk->utf8-程序员宅基地
文章浏览阅读1.5w次。linux下没有上面的两个函数，需要使用函数 mbstowcs和wcstombsmbstowcs将多字节编码转换为宽字节编码wcstombs将宽字节编码转换为多字节编码这两个函数，转换过程中受到系统编码类型的影响，需要通过设置来设定转换前和转换后的编码类型。通过函数setlocale进行系统编码的设置。linux下输入命名locale -a查看系统支持的编码_linux c++ gbk->utf8
IMP-00009: 导出文件异常结束-程序员宅基地
文章浏览阅读750次。今天准备从生产库向测试库进行数据导入，结果在imp导入的时候遇到“ IMP-00009:导出文件异常结束” 错误，google一下，发现可能有如下原因导致imp的数据太大，没有写buffer和commit两个数据库字符集不同从低版本exp的dmp文件，向高版本imp导出的dmp文件出错传输dmp文件时，文件损坏解决办法：imp时指定..._imp-00009导出文件异常结束
python程序员需要深入掌握的技能_Python用数据说明程序员需要掌握的技能-程序员宅基地
文章浏览阅读143次。当下是一个大数据的时代，各个行业都离不开数据的支持。因此，网络爬虫就应运而生。网络爬虫当下最为火热的是Python，Python开发爬虫相对简单，而且功能库相当完善，力压众多开发语言。本次教程我们爬取前程无忧的招聘信息来分析Python程序员需要掌握那些编程技术。首先在谷歌浏览器打开前程无忧的首页，按F12打开浏览器的开发者工具。浏览器开发者工具是用于捕捉网站的请求信息，通过分析请求信息可以了解请..._初级python程序员能力要求
Spring @Service生成bean名称的规则（当类的名字是以两个或以上的大写字母开头的话，bean的名字会与类名保持一致）_@service beanname-程序员宅基地
文章浏览阅读7.6k次，点赞2次，收藏6次。@Service标注的bean，类名：ABDemoService查看源码后发现，原来是经过一个特殊处理：当类的名字是以两个或以上的大写字母开头的话，bean的名字会与类名保持一致public class AnnotationBeanNameGenerator implements BeanNameGenerator { private static final String C..._@service beanname
随便推点
二叉树的各种创建方法_二叉树的建立-程序员宅基地
文章浏览阅读6.9w次，点赞73次，收藏463次。1.前序创建#include<stdio.h>#include<string.h>#include<stdlib.h>#include<malloc.h>#include<iostream>#include<stack>#include<queue>using namespace std;typed_二叉树的建立
解决asp.net导出excel时中文文件名乱码_asp.net utf8 导出中文字符乱码-程序员宅基地
文章浏览阅读7.1k次。在Asp.net上使用Excel导出功能，如果文件名出现中文，便会以乱码视之。 解决方法： fileName = HttpUtility.UrlEncode(fileName, System.Text.Encoding.UTF8);_asp.net utf8 导出中文字符乱码
笔记-编译原理-实验一-词法分析器设计_对pl/0作以下修改扩充。增加单词-程序员宅基地
文章浏览阅读2.1k次，点赞4次，收藏23次。第一次实验 词法分析实验报告设计思想词法分析的主要任务是根据文法的词汇表以及对应约定的编码进行一定的识别，找出文件中所有的合法的单词，并给出一定的信息作为最后的结果，用于后续语法分析程序的使用；本实验针对 PL/0 语言 的文法、词汇表编写一个词法分析程序，对于每个单词根据词汇表输出： (单词种类, 单词的值) 二元对。词汇表：种别编码单词符号助记符0beginb..._对pl/0作以下修改扩充。增加单词
android adb shell 权限,android adb shell权限被拒绝-程序员宅基地
文章浏览阅读773次。我在使用adb.exe时遇到了麻烦.我想使用与bash相同的adb.exe shell提示符,所以我决定更改默认的bash二进制文件(当然二进制文件是交叉编译的,一切都很完美)更改bash二进制文件遵循以下顺序> adb remount> adb push bash / system / bin /> adb shell> cd / system / bin> chm..._adb shell mv 权限
投影仪-相机标定_相机-投影仪标定-程序员宅基地
文章浏览阅读6.8k次，点赞12次，收藏125次。1. 单目相机标定引言相机标定已经研究多年，标定的算法可以分为基于摄影测量的标定和自标定。其中，应用最为广泛的还是张正友标定法。这是一种简单灵活、高鲁棒性、低成本的相机标定算法。仅需要一台相机和一块平面标定板构建相机标定系统，在标定过程中，相机拍摄多个角度下（至少两个角度，推荐10~20个角度）的标定板图像（相机和标定板都可以移动），即可对相机的内外参数进行标定。下面介绍张氏标定法（以下也这么称呼）的原理。原理相机模型和单应矩阵相机标定，就是对相机的内外参数进行计算的过程，从而得到物体到图像的投影_相机-投影仪标定
Wayland架构、渲染、硬件支持-程序员宅基地
文章浏览阅读2.2k次。文章目录Wayland 架构Wayland 渲染Wayland的 硬件支持简 述： 翻译一篇关于和 wayland 有关的技术文章, 其英文标题为Wayland Architecture .Wayland 架构若是想要更好的理解 Wayland 架构及其与 X (X11 or X Window System) 结构；一种很好的方法是将事件从输入设备就开始跟踪, 查看期间所有的屏幕上出现的变化。这就是我们现在对 X 的理解。 内核是从一个输入设备中获取一个事件，并通过 evdev 输入_wayland