Python 作为数据科学领域的热门语言，其强大的数据读取能力功不可没。本文将带你全面了解 Python 如何读取数据，从基础的文件读取到处理结构化数据，助你轻松开启数据分析之旅。

一、读取文本文件

文本文件是最常见的数据存储格式之一，Python 提供了简洁易用的方法读取这类文件。

• 打开文件：使用​open()​函数打开文件，并指定打开模式（'r' 表示读取，'w' 表示写入，'a' 表示追加）。

file = open('data.txt', 'r')

• 读取内容：使用​read()​方法读取文件全部内容，或使用​readline()​逐行读取。

content = file.read()
print(content)

line = file.readline()
print(line)

• 关闭文件：使用​close()​方法关闭文件，释放资源。

file.close()

为了避免忘记关闭文件，推荐使用​with open()​语句，它会在代码块执行完毕后自动关闭文件。

with open('data.txt', 'r') as file:
    content = file.read()
    print(content)

二、处理 CSV 文件

CSV (Comma-Separated Values) 是一种常用的结构化数据存储格式，Python 的​csv​模块提供了便捷的处理方法。

• 读取 CSV 文件：使用​reader()​函数读取 CSV 文件，返回一个可迭代的对象，每一行都是一个列表。

import csv

with open('data.csv', 'r') as file:
    reader = csv.reader(file)
    for row in reader:
        print(row)

• 处理 CSV 数据：可以根据需要对读取到的数据进行处理，例如提取特定列、数据类型转换等。

import csv

with open('data.csv', 'r') as file:
    reader = csv.reader(file)
    next(reader)  # 跳过标题行
    for row in reader:
        name = row[0]
        age = int(row[1])
        print(f"Name: {name}, Age: {age}")

三、利用 Pandas 处理结构化数据

Pandas 是 Python 数据分析领域的利器，它提供了 DataFrame 数据结构，能够高效地处理结构化数据。

• 读取数据：Pandas 提供了​read_csv()​、​read_excel()​等函数，可以方便地读取不同格式的数据文件。

import pandas as pd

df = pd.read_csv('data.csv')
print(df)

• 数据处理：Pandas 提供了丰富的函数和方法，可以进行数据筛选、排序、分组、统计分析等操作。

# 选择年龄大于 30 的数据
df[df['Age'] > 30]

# 按年龄排序
df.sort_values(by='Age')

# 计算平均年龄
df['Age'].mean()

四、读取 JSON 数据

JSON (JavaScript Object Notation) 是一种轻量级的数据交换格式，Python 的​json​模块可以方便地处理 JSON 数据。

• 读取 JSON 数据：使用​load()​函数读取 JSON 文件或字符串，返回一个 Python 字典或列表。

import json

with open('data.json', 'r') as file:
    data = json.load(file)
    print(data)

• 访问 JSON 数据：可以像操作字典一样访问 JSON 数据。

name = data['name']
age = data['age']
print(f"Name: {name}, Age: {age}")

总结

本文介绍了 Python 读取数据的常用方法，包括读取文本文件、CSV 文件、JSON 数据以及利用 Pandas 处理结构化数据。熟练掌握这些方法将为你进行数据分析打下坚实的基础。