本文为原创文章，未经本人允许，禁止转载。转载请注明出处。
1.csv数据
1.1.读取csv数据
假设有csv数据demo.csv，内容如下：
👉方法一：
1
2
with open('demo.csv','r') as f:
print(f.read())
输出见下：
如果csv中有的中文无法正确识别，可加上encoding='UTF-8'。
但是上述读入csv的结果输出，不方便查看与操作（列未对齐），可引入dataframe格式。
👉方法二：
1
df=pandas.read_csv('demo.csv')
输出结果为：
可以看出结果中多出了一列，即第一列，为行号。
1.2.抽取csv中的数据
👉方法一：
df[0]、df[1]均报错，因为不存在名字为0或1的列，[]里应该为列名，比如：df['name']，输出为：
df[0:3]输出第0、1、2行的数据，df[1:3]输出第1、2行的数据。例如df[0:3]的输出见下：
👉方法二：
.loc通过标签选取，用法为.loc[rows,cols]，如果只有一个值，默认是行。一些常规用法见下：
df.loc[0]输出第0行的数据。df.loc[0:3]输出第0、1、2、3行的数据。⚠️注意和df[0:3]区分，df[0:3]中的[0:3]为一个列表，所以输出的是第0、1、2行的数据。但是df.loc[0:3]中[0:3]指的是具体的行号，即第0、1、2、3行。df.loc[0,'name']，df.loc[0:3,'name']df.loc[0,'name':'score']，df.loc[0:3,'name':'score']
👉方法三：
.iloc用位置选取元素，区别于.loc用标签选取。例如：df.iloc[0:3,0:2]输出第0、1、2行且第0、1列的数据，即：
其中，df.iloc[0,1]为Tom。df.iloc[[0,2,4]]输出第0、2、4行的数据。
2.Excel数据
和读取csv文件一样，使用pandas包读取excel文件，以xls格式的数据为例(其他格式例如xlsx也可以)：
1
df_xls=pandas.read_excel('demo.xls')
输出形式和操作与处理csv数据一样，不再赘述。
