数据科学中常用的文件格式

什么是文件格式
文件格式旨在存储特定类型的信息，例如CSV、XLSX等。文件格式还告诉计算机如何显示或处理其内容。常见文件格式，如CSV、XLSX、ZIP、TXT等。
如果您将自己的未来视为数据科学家，那么您必须了解不同类型的文件格式。因为数据科学就是关于数据和数据的处理，如果你不了解文件格式，那么对你来说可能会很复杂。因此，您必须了解不同的文件格式。
不同类型的文件格式：
CSV： CSV 代表逗号分隔值。以及这个名称的 CSV 文件使用逗号分隔值。在 CSV 文件中，每一行是一条数据记录，每条记录由一个或多个数据字段组成，字段用逗号分隔。
代码：在 pandas 中读取 csv 文件的Python代码

python3

import pandas as pd
df = pd.read_csv("file_path / file_name.csv")
print(df)

XLSX： XLSX 文件是 Microsoft Excel Open XML 格式电子表格文件。这用于存储任何类型的数据，但主要用于存储财务数据和创建数学模型等。
代码：在 pandas 中读取 xlsx 文件的Python代码

蟒蛇3

import pandas as pd
df = pd.read_excel (r'file_path\\name.xlsx')
print (df)

笔记：

install xlrd before reading excel file in python for avoid the error. You can install xlrd using following command.
pip install xlrd 
 

ZIP： ZIP 文件是一种数据容器，它们以压缩形式存储一个或多个文件。它在互联网上广泛使用 下载 ZIP 文件后，您需要解压缩其内容才能使用它。
代码：在 pandas 中读取 zip 文件的Python代码

蟒蛇3

import pandas as pd
df = pd.read_csv(' File_Path \\ File_Name .zip')
print(df)

TXT： TXT 文件可用于以纯文本形式存储信息，除了基本字体和字体样式之外没有特殊格式。它被任何文本编辑和其他软件程序识别。
代码：在熊猫中读取 txt 文件的Python代码

蟒蛇3

import pandas as pd
df = pd.read_csv('File_Path \\ File_Name .txt')
print(df)

JSON： JSON 代表 JavaScript Object Notation。 JSON 是一种基于文本的标准格式，用于表示基于 JavaScript 对象语法的结构化数据
代码：在熊猫中读取 json 文件的Python代码

蟒蛇3

import pandas as pd
df = pd.read_json('File_path \\ File_Name .json')
print(df)

HTML： HTML 代表超文本标记语言，用于创建网页。我们可以使用 read_html()函数读取Python pandas 中的 html 表。
代码：在 pandas 中读取 html 文件的Python代码

蟒蛇3

import pandas as pd
df = pd.read_html('File_Path \\File_Name.html')
print(df)

笔记：

You need to install a package named “lxml & html5lib” which can handle the file with ‘.html’ extension.
pip install html5lib 
pip install lxml 
 

PDF： pdf 代表可移植文档格式 (PDF)，当我们需要保存无法修改但仍需要轻松获取的文件时，使用此文件格式。
代码：在 pandas 中读取 pdf 的Python代码

蟒蛇3

pip install tabula-py
pip install pandas
df = tabula.read_pdf(file_path \\ file_name .pdf)
print(df)

笔记：

You need to install a package named “tabula-py” which can handle the file with ‘.pdf’ extension. 
pip install tabula-py