3.1　数据的读取

在数据分析之前，我们首先需要准备数据分析的“食材”，也就是数据，主要包括商品的属性数据、客户的订单数据、客户的退单数据等。本节将会介绍Python读取本地离线数据、Web在线数据、数据库数据等各种存储形式的数据。

3.1.1　本地离线数据

1．读取TXT文件数据

调用Pandas包中的read_table()函数，Python可以直接读取TXT格式的数据，例如读取名为orders.txt的文件，示例代码如下：

在JupyterLab中运行上述代码，输出如下：

2．读取CSV文件数据

调用Pandas包中的read_csv()函数，Python可以直接读取CSV格式的数据，例如读取名为orders.csv的文件，示例代码如下：

在JupyterLab中运行上述代码，输出如下：

3．读取Excel文件数据

调用Pandas包中的read_excel()函数，Python可以直接读取Excel格式的数据，例如读取名为orders.xls的文件，代码如下：

在JupyterLab中运行上述代码，输出如下：

3.1.2　Web在线数据

Python可以读取Web在线数据，这里选取的数据集是UCI上的红酒数据集，该数据集是对意大利同一地区种植的葡萄酒进行化学分析的结果，这些葡萄酒来自三个不同的品种，分析确定了三种葡萄酒中每种葡萄酒含有的13种成分的数量。不同种类的酒品，它的成分也有所不同，通过对这些成分的分析就可以对不同的特定的葡萄酒进行分类分析，原始数据集共有178个样本数、3种数据类别，每个样本有13个属性。

Python读取红酒在线数据集的代码如下：

在JupyterLab中运行上述代码，输出结果如下：

3.1.3　常用数据库数据

1．读取MySQL数据库数据

Python可以直接读取MySQL数据库，连接之前需要安装pymysql库。例如，统计汇总数据库orders表中2020年不同类型商品的销售额和利润额，示例代码如下：

在JupyterLab中运行上述代码，输出结果如下：

2．读取SQL Server数据库数据

Python可以直接读取SQL Server数据库数据，连接之前需要安装pymssql库。例如，查询数据库orders表中2020年利润额在400元以上的所有订单，示例代码如下：

在JupyterLab中运行上述代码，输出如下： 8gaRdbHcl6hiMeHPSn0dfnJQ/gz2VEogCrDFUrKTtJx8eH4AhtkObfdsKjMVLNy0