读写文本格式的数据
--------------------------------------------------------------------------------
read_csv          从文件，URL,文件型对象加载，默认分隔符逗号
read_table        从文件，URL,文件型对象加载，默认分隔符tab
read_fwf          读取定宽列格式数据，无分隔符
read_clipboard    剪切板
read_excel        excel
read_hdf          HDF5
read_html         Html的表格
read_json         JSON
read_msgpack      二进制编码的pandas数据
read_pickle       py pickle 格式存在的对象
read_sas          SAS
read_sql          查询结果数据
read_stata        stata文件格式数据
read_feather      Feather二进制文件格式
--------------------------------------------------------------------------------
原始数据：py/ex1.csv
a,b,c,d,message
1,2,3,4,hello
5,6,7,8,world
9,10,11,12,foo
--------------------------------------------------------------------------------
import numpy as np
import pandas as pd
df = pd.read_csv('py/ex1.csv')
df 输出：
	a	b	c	d	message
0	1	2	3	4	hello
1	5	6	7	8	world
2	9	10	11	12	foo


指定分隔符：
df2 = pd.read_table('py/ex1.csv', sep=',')
--------------------------------------------------------------------------------
read_csv 的定义：
pd.read_csv(
    filepath_or_buffer: Union[str, pathlib.Path, IO[~AnyStr]],
    sep=',',
    delimiter=None,
    header='infer',
    names=None,
    index_col=None,
    usecols=None,
    squeeze=False,
    prefix=None,
    mangle_dupe_cols=True,
    dtype=None,
    engine=None,
    converters=None,
    true_values=None,
    false_values=None,
    skipinitialspace=False,
    skiprows=None,
    skipfooter=0,
    nrows=None,
    na_values=None,
    keep_default_na=True,
    na_filter=True,
    verbose=False,
    skip_blank_lines=True,
    parse_dates=False,
    infer_datetime_format=False,
    keep_date_col=False,
    date_parser=None,
    dayfirst=False,
    cache_dates=True,
    iterator=False,
    chunksize=None,
    compression='infer',
    thousands=None,
    decimal: str = '.',
    lineterminator=None,
    quotechar='"',
    quoting=0,
    doublequote=True,
    escapechar=None,
    comment=None,
    encoding=None,
    dialect=None,
    error_bad_lines=True,
    warn_bad_lines=True,
    delim_whitespace=False,
    low_memory=True,
    memory_map=False,
    float_precision=None,
)
--------------------------------------------------------------------------------
原始数据： ex2.csv， 没有header
1,2,3,4,hello
5,6,7,8,world
9,10,11,12,foo
--------------------------------------------------------------------------------
pd.read_csv('py/ex2.csv')                  # 把第一行数据当成Header，
pd.read_csv('py/ex2.csv', header=None)     # 告诉他没有 header
pd.read_csv('py/ex2.csv', names=['a', 'b', 'c', 'd', 'msg'])   # 不告诉没有header,指定一个
  输出：
           a	b	c	d	msg
      0	   1	2	3	4	hello
      1	   5	6	7	8	world
      2	   9	10	11	12	foo

# ex1.csv 有header,再去指定一个names， 那他把文件的header当成一行数据
pd.read_csv('py/ex1.csv', names=['a', 'b', 'c', 'd', 'msg']) 

# ex2.csv, 指定 header, 然后他默认给每行加从 0到n-1的索引，如果想指定原数据某列为索引  index_col 指定
pd.read_csv('py/ex2.csv', names=['a', 'b', 'c', 'd', 'msg'], index_col='msg')

# 指定多层索引，index_col=['msg', 'a']
pd.read_csv('py/ex2.csv', names=['a', 'b', 'c', 'd', 'msg'], index_col=['msg', 'a'])
--------------------------------------------------------------------------------
原始数据： py/ex3.csv，问题是，第一行的列少一个，空格分隔，空格数量不定
      A        B                 C
aaa -0.264438 -1.026059 -0.619500
bbb 0.927272 0.302904 -0.032399
ccc -0.264273 -0.386314 -0.217601
ddd -0.871858 -0.348382 1.100491

使用正则匹配不定量的空格，pandas 读取数据发现第一行少一个，推断出第二行到最后行的第1列是索引列
pd.read_csv('py/ex3.csv', sep='s+')   
--------------------------------------------------------------------------------
数据中有些是注释，说明文字，表的表头等，这些分析时是不需要的，而且他们也没有格式，
跳过这些

pd.read_csv('examples/ex4.csv', skiprows=[0, 2, 3])    # 跳过这些行不要读
--------------------------------------------------------------------------------
如果数据缺失， 比如   1,2,,4   两个逗号中间没有数据，缺失了
默认读进来时 NAN
--------------------------------------------------------------------------------
原始数据  ex4.csv:
a,b,c,d,
1,2,3,,hello
5,6,7,8,world
9,10,11,12,foo

pd.read_csv('py/ex4.csv')
输出：
  c1	c2	c3	c4	c5
0	a	b	c	d	NaN
1	1	2	3	NaN	hello
2	5	6	7	8	world
3	9	10	11	12	foo

把指定的数据变成 NAN, 比如 c4列的 d 和 c5列的 foo
pd.read_csv('py/ex4.csv', na_values={'c4':['d'], 'c5':['foo']})
	c1	c2	c3	c4	c5
0	a	b	c	NaN	NaN
1	1	2	3	NaN	hello
2	5	6	7	8.0	world
3	9	10	11	12.0	NaN

# 把 c5 中的 值为 foo, na hello 的全部变成 nan
pd.read_csv('py/ex4.csv', na_values={'c4':['d'], 'c5':['foo','NA','hello']})
--------------------------------------------------------------------------------
read_csv/read_path 参数说明：
path            文件系统的位置，url, 文件对象字符串
sep/delimiter   分隔符，字符串，正则
header          用作列名的行号，默认为0，第一行，如果原没有header, 设置 header=None
index_col       指定原数据中的列为索引，可以 =[a,b,...] 时复合索引
names           自己指定列名，设置这个参数，相当于设置了 header=none
skiprows        过滤掉不要读取的行，从0开始
na_values       把指定的数替换成 nan
comment         用于将注释信息从行尾拆分出去的字符， 比如原始数据 c1,c2,c3,c4,c5 #aaa  
                    后面的 #aaa 都是注释，comment='#'， 这样 #及后面的都不要了
parse_dates     尝试解析日期，默认False,如果要解析，还要告诉，哪一列时日期
keep_data_col   如果连接多列解析日期，则保持参与连接的列，默认False
converters      对指定列执行某个函数，比如 {c1:fun}, 对c1列的元素执行 fun 方法
                 pd.read_csv('py/ex4.csv', skiprows=[1], 
                    converters={'c1':lambda x:x*2 , 'c2':lambda x:x*2})   # 注意类型
dayfirst         当时间有歧义，看成国际时间  7/6/2012， 有歧义，看成 2012年6月7号， 默认 false
data_parser      解析日期的函数
nrows            读多少行，从文件开始算起
iterator         返回一个textoarse 以便逐块读取文件
chuncksize       文件块大小
skip_footer      文件结束前的行数会被忽略
~~~~~~~~~~~~~~~~
verbose          打印各种解析输出信息，
encoding         编码
squeeze          数据解析完成只有一列，返回 Series 
thousands        千分位的分隔符如 ,     比如： 9,999,999
--------------------------------------------------------------------------------

>> 目录 <<