统计分析是数据分析重要的组成部分，它几乎贯穿了整个数据分析的流程。 应用统计方法，将定量与定性结合，进行的研究活动叫统计分析。统计分析除了 包含单一数值型特征的数据集中趋势、离散趋势和峰度与偏度等统计知识外，还 包含了多个特征比较计算等知识。 一、读写文本文件 1、文本文件的读取： 文本文件是一种由若干行字符构成的计算机文件，它是一种典型的顺序文 件。 csv 是一种逗号分隔的文件格式，因为其分隔符不一定是逗号，又被称为字 符分隔文件，文件以纯文本形式存储表格数据（数字和文本）。 注：(1)CSV 文件根据其定义也是一种文本文件； (2)文本文件是字符分隔文件。 使用read_table来读取文本文件 pandas.read_table(filepath_or_buffer,sep=’\t’,header=’infer’, names=None,index_col=None,dtype=None,engine=None,nrows=None) 使用 read_csv 函数来读取 csv 文件 pandas.read_csv(filepath_or_buffer,sep=’\t’,header=’infer’, names=None,index_col=None,dtype=None,engine=None,nrows=None) read_table 和 read_csv 常用参数及其说明 read_table 和 read_csv 函数中的 sep 参数是指定文本的分隔符的，如果分隔符 指定错误，在读取数据的时候，每一行数据将连成一片。 header 参数是用来指定列名的，如果是 None 则会添加一个默认的列名。 encoding 代表文件的编码格式，常用的编码有 utf-8、utf-16、gbk、gb2312、 gb18030 等。如果编码指定错误数据将无法读取，IPython 解释器会报解析错 误。
import pandas as pd from pandas.core.frame import DataFrame data = pd.read_csv('meal_order_info.csv', sep=',', encoding='gbk') print(type(data)) # <class 'pandas.core.frame.DataFrame'> data = pd.read_table('meal_order_info.csv',sep=',',encoding='gbk') print(data,type(data)) # [945 rows x 21 columns] <class 'pandas.core.frame.DataFrame'>2.文本文件的存储 文本文件的存储和读取类似，结构化数据可以通过 pandas 中的 to_csv 函数 实现以 csv 文件格式存储文件 DataFrame.to_csv(path_or_buf=None, sep=’,’, na_rep=”, columns=None, header=True, index=True,index_label=None,mode=’w’,encoding=None) 变量名.to_csv(path_or_buf=None, sep=’,’, na_rep=”, columns=None, header=True, index=True,index_label=None,mode=’w’,encoding=None) 二、读写Excel文件
1.Excel 文件读取： pandas 提供了 read_excel 函数来读取“xls”“xlsx”两种 Excel 文件。 pandas.read_excel(io, sheetname=0, header=0, index_col=None, names=None, dtype=None)
excel = pd.read_excel('output.xlsx') print('dsafsdf',excel)2.Excel文件储存： 将文件存储为 Excel 文件，可以使用 to_excel 方法。其语法格式如下。 DataFrame.to_excel(excel_writer=None, sheet_name=‘None’, na_rep=”, header=True, index=True, index_label=None, mode=’w’, encoding=None)
to_csv 方法的常用参数基本一致，区别之处在于指定存储文件的文件路径参 数名称为 excel_writer，并且没有 sep 参数，增加了一个 sheetnames 参数用来 指定存储的 Excel sheet 的名称，默认为 sheet1。
import xlrd import pandas as pd from pandas import DataFrame wb = xlrd.open_workbook('meal_order_detail.xlsx') sheets = wb.sheet_names() print(sheets) # ['meal_order_detail1', 'meal_order_detail2', 'meal_order_detail3'] # 总的数据容器 total = DataFrame() # 循环遍历所有sheet，汇总数据 for i in range(len(sheets)): data = pd.read_excel('meal_order_detail.xlsx', sheetname=i, index_col=False) print(type(data)) # <class 'pandas.core.frame.DataFrame'> print(data.shape[0]) # 汇总数据 total = total.append(data) print(total.shape) # 保存 writer = pd.ExcelWriter('output.xlsx') total.to_excel(writer,'Sheet1') writer.save()第二种方法
xls = xlrd.open_workbook('meal_order_detail.xlsx') names = xls.sheet_names() #总得数据容器 arr = DataFrame() for i in range(len(names)): data = pd.read_excel('meal_order_detail.xlsx',sheetname=i) arr = arr.append(data) print(arr.shape) arr.to_excel('output1.xlsx')