將表格型數據讀取為DataFrame是pandas的重要特性，下表總結了實現該功能的部分函數。
根據以前的讀取經驗，read_csv、read_table、read_excel和read_json三個最為常用。
如圖一個文本文件，我們用pandas讀取。
import pandas as pddata = pd.read_table(r"C:\Users\ASUS\Desktop\test.txt")print('原始數據:\n', data)原始數據: 1 2 3 4 apple0 5 6 7 8 orange1 7 8 9 10 banana如果不是制表符，我們讀取的時候可以指定分隔符：
data = pd.read_table(r"C:\Users\ASUS\Desktop\test.txt", sep='\s+')如果沒有表頭，我們可以讀取的時候取消表頭：
data = pd.read_table(r"C:\Users\ASUS\Desktop\test.txt", sep = '\s+', header = None)print(data[:5]) 0 1 2 3 40 1 2 3 4 apple1 5 6 7 8 orange2 7 8 9 10 banana同時也可以指定列名：
data = pd.read_table(r"C:\Users\ASUS\Desktop\test.txt", sep = '\s+', names = ['l1', 'l2', 'l3', 'l4', 'name'] l1 l2 l3 l4 name0 1 2 3 4 apple1 5 6 7 8 orange2 7 8 9 10 banana指定索引，可以傳給參數index_col：
data = pd.read_table(r"C:\Users\ASUS\Desktop\test.txt", sep = '\s+', names = ['l1', 'l2', 'l3', 'l4', 'name'], index_col = 'name') l1 l2 l3 l4name apple 1 2 3 4orange 5 6 7 8banana 7 8 9 10如果想從多個列中形成分層索引，可以在index_col傳入一個列表：
data = pd.read_table(r"C:\Users\ASUS\Desktop\test.txt", sep = '\s+', names = ['l1', 'l2', 'l3', 'l4', 'name'], index_col = ['name', 'l1']) l2 l3 l4name l1 apple 1 2 3 4orange 5 6 7 8banana 7 8 9 10也可以使用skiprows跳過某一行或幾行：
data = pd.read_table(r"C:\Users\ASUS\Desktop\test.txt", sep = '\s+', skiprows = 2)data = pd.read_table(r"C:\Users\ASUS\Desktop\test.txt", sep = '\s+', skiprows = [0, 2, 3])缺失值的處理：是文件解析中一個重要的部分。通常情況下，缺失值要麼不顯示（空字符串），要麼用一些標識值。pandas常見的標識值有：NA和NULL。
data = pd.read_table(r"C:\Users\ASUS\Desktop\test.txt", sep=',')pd.isnull(data)結果 something a b c d message0 one 1 2 3.0 4 NaN1 two 5 6 NaN 8 world2 three 9 10 11.0 12 foo
可以對每列指定缺失值標識：
sentials = {'message':['foo', 'NA'], 'something':['two']}pd.read_table(r"C:\Users\ASUS\Desktop\test.txt", sep = ',', na_values=sentials)結果 something a b c d message0 one 1 2 3.0 4 NaN1 NaN 5 6 NaN 8 world2 three 9 10 11.0 12 NaN分塊讀入文本文件：對於大型文件，我們可能只需要讀取一小部分，我們在讀取的時候僅需傳入nrows即可。
data = pd.read_table(r"C:\Users\ASUS\Desktop\test.txt", sep = ',', nrows = 2)結果 something a b c d message0 one 1 2 3.0 4 NaN1 two 5 6 NaN 8 world將數據寫入文本文件：數據寫入文本文件與數據讀取相反，用到了to_csv方法。測試數據如下：
data.to_csv(r"C:\Users\ASUS\Desktop\result.txt")其他操作：sep可以指定分隔符；na_rep可以對缺失值進行標註；index和header可以指定行和列的標籤是否被寫入，值為True或False；columns可以根據指定的列的順序傳入。
data.to_csv(r"C:\Users\ASUS\Desktop\result.txt", sep = '\t', na_rep = '數據缺失', index = False, header = True, columns = ['message', 'something', 'a', 'b', 'c', 'd'])總結：
在pandas讀取文本文件（txt），常用參數有：
（1）sep：指定分隔符，默認為逗號
（2）header = None：取消讀取首行
（3）names：指定列名，是一個列表
（4）index_col：指定索引列，可以為單列，也可以為多列
（5）skiprows：跳過前n行
（6）na_values：指定缺失值標識
（7）nrows：讀取前n行
pandas輸出文本文件（txt），常用參數有：
（1）sep：指定分隔符，默認為逗號
（2）na_rep：標註缺失值
（3）index：是否輸出索引，默認輸出
（4）header：是否輸出列名，默認輸出
（5）columns：指定輸出時列的順序
數據的讀取和存儲十分重要，規範化的數據能為後續的數據分析大大節約時間。下一篇將介紹Excel的讀取和存儲。
如果覺得本文有用，可以關注公眾號——python數據分析實踐，會不定期更新文章。