文章目录
（1）、导库（2）、读取csv文件的两种方式（2）、根据需要条件读取csv文件（3）、利用正则表达式读取不同含有不同分隔符的文件（4）、根据需要选择需要读的行（5）、处理缺失值（6）、逐行读取文件（7）、将dataframe数据写入csv文件（8）、将csv文件读取位Series关于Python数据分析在数学建模中的更多相关应用：Python数据分析在数学建模中的应用汇总（持续更新中！）
（1）、导库
import pandas as pdfrom pandas import Series
（2）、读取csv文件的两种方式
#读取csv文件的两种方式f = open('E:/建模/第5周/data/ex1.csv') #方法一df = pd.read_csv(f)print(df)f.closef = open('E:/建模/第5周/data/ex1.csv') #方法二，必须指定分隔符为','，否则会读取失败df = pd.read_table(f,sep=',')print(df)f.close
（2）、根据需要条件读取csv文件
#根据需要条件读取csv文件f = open('E:/建模/第5周/data/csv_mindex.csv') df = pd.read_csv(f,header=None)#不需要表头df = pd.read_csv(f,names=['a','b','c','d','message']) #添加表头df = pd.read_csv(f,names=['a','b','c','d','message'],index_col = 'message') #指定某一列作为行索引df = pd.read_csv(f,index_col = ['key1','key2']) #指定多列作为行索引print(df)f.close
（3）、利用正则表达式读取不同含有不同分隔符的文件
#利用正则表达式读取不同含有不同分隔符的文件f = open('E:/建模/第5周/data/ex3.txt') df = pd.read_table(f,sep='\s+')print(df)
（4）、根据需要选择需要读的行
#根据需要选择需要读的行f = open('E:/建模/第5周/data/ex4.csv') df = pd.read_table(f,sep=',',skiprows=[0,2,3]) #跳过不想读的行print(df)
（5）、处理缺失值
#处理缺失值f = open('E:/建模/第5周/data/ex5.csv') df = pd.read_table(f,sep=',',na_values='world') #如果数据中有’world’，也会视为缺失值print(df)
（6）、逐行读取文件
#逐行读取文件f = open('E:/建模/第5周/data/ex6.csv') df = pd.read_table(f,sep=',',nrows=5) #只读取前面5行print(df)
（7）、将dataframe数据写入csv文件
#将dataframe数据写入csv文件f = open('E:/建模/第5周/data/ex5.csv') data = pd.read_csv(f)data.to_csv('E:/建模/第5周/data/out.csv') #将dataframe输出到csv文件中data.to_csv('E:/建模/第5周/data/out.csv',na_rep='ok') #将缺失值补上‘ok’data.to_csv('E:/建模/第5周/data/out.csv',header=None) #不设置表头data.to_csv('E:/建模/第5周/data/out.csv',columns=['a','b']) #写出指定的列
（8）、将csv文件读取位Series
#将csv文件读取位Seriesf = open('E:/建模/第5周/data/tseries.csv') series = Series.from_csv(f,parse_dates=True)print(series)
