python处理数据文件第一步是要读取数据，文件类型紧张包括文本文件（csv、txt等）、excel文件、数据库文件、api等。
下面整理下python有哪些办法可以读取数据文件。
详细用法可见： 一文搞懂python文件读写
python内置了csv模块用于读写csv文件，csv是一种逗号分隔符文件，是数据科学中最常见的数据存储格式之一。 csv模块能轻松完成各种体量数据的读写操作，当然大数据量须要代码层面的优化。
csv模块读取文件#读取csv文件importcsvwithopen('test.csv','r')asmyFile:lines=csv.reader(myFile)forlineinlines:print(line)csv模块写入文件
importcsvwithopen('test.csv','w+')asmyFile:myWriter=csv.writer(myFile)#writerrow一行一行写入myWriter.writerow([7,8,9])myWriter.writerow([8,'h','f'])#writerow多行写入myList=[[1,2,3],[4,5,6]]myWriter.writerows(myList)3. 利用numpy库（loadtxt、load、fromfile）loadtxt方法 loadtxt用来读取文本文件（包含txt、csv等）以及.gz 或.bz2格式压缩文件，条件是文件数据每一行必须要有数量相同的值。
importnumpyasnp#loadtxt()中的dtype参数默认设置为float#这里设置为str字符串便于显示np.loadtxt('test.csv',dtype=str)#out：array(['1,2,3','4,5,6','7,8,9'],dtype='<U5')load方法 load用来读取numpy专用的.npy, .npz 或者pickled持久化文件。
importnumpyasnp#师长西席成npy文件np.save('test.npy',np.array([[1,2,3],[4,5,6]]))#利用load加载npy文件np.load('test.npy')'''out:array([[1,2,3],[4,5,6]])'''fromfile方法 fromfile方法可以读取大略的文本数据或二进制数据，数据来源于tofile方法保存的二进制数据。读取数据时须要用户指定元素类型，并对数组的形状进行适当的修正。
importnumpyasnpx=np.arange(9).reshape(3,3)x.tofile('test.bin')np.fromfile('test.bin',dtype=np.int)#out:array([0,1,2,3,4,5,6,7,8])4. 利用pandas库（read_csv、read_excel等）
pandas是数据处理最常用的剖析库之一，可以读取各种各样格式的数据文件，一样平常输出dataframe格式。 如：txt、csv、excel、json、剪切板、数据库、html、hdf、parquet、pickled文件、sas、stata等等
read_csv方法 read_csv方法用来读取csv格式文件，输出dataframe格式。importpandasaspdpd.read_csv('test.csv')read_excel方法 读取excel文件，包括xlsx、xls、xlsm格式
importpandasaspdpd.read_excel('test.xlsx')read_table方法 通过对sep参数（分隔符）的掌握来对任何文本文件读取read_json方法 读取json格式文件
df=pd.DataFrame([['a','b'],['c','d']],index=['row1','row2'],columns=['col1','col2'])j=df.to_json(orient='split')pd.read_json(j,orient='split')read_html方法 读取html表格read_clipboard方法 读取剪切板内容read_pickle方法 读取plckled持久化文件read_sql方法 读取数据库数据，连接好数据库后，传入sql语句即可read_dhf方法 读取hdf5文件，适宜大文件读取read_parquet方法 读取parquet文件read_sas方法 读取sas文件read_stata方法 读取stata文件read_gbq方法 读取google bigquery数据
pandas学习网站： https://pandas.pydata.org/
5、读写excel文件（xlrd、xlwt、openpyxl等）python用于读写excel文件的库有很多，除了前面提到的pandas，还有xlrd、xlwt、openpyxl、xlwings等等。
紧张模块：
xlrd库：从excel中读取数据，支持xls、xlsxxlwt库：对excel进行修正操作，不支持对xlsx格式的修正xlutils库：在xlw和xlrd中，对一个已存在的文件进行修正openpyxl：紧张针对xlsx格式的excel进行读取和编辑xlwings：对xlsx、xls、xlsm格式文件进行读写、格式修正等操作xlsxwriter：用来天生excel表格，插入数据、插入图标等表格操作，不支持读取Microsoft Excel API：需安装pywin32，直接与Excel进程通信，可以做任何在Excel里可以做的事情，但比较慢6. 操作数据库（pymysql、cx_Oracle等）python险些支持对所有数据库的交互，连接数据库后，可以利用sql语句进行增编削查。
紧张模块：
pymysql：用于和mysql数据库的交互sqlalchemy：用于和mysql数据库的交互cx_Oracle：用于和oracle数据库的交互sqlite3：内置库，用于和sqlite数据库的交互pymssql：用于和sql server数据库的交互pymongo：用于和mongodb非关系型数据库的交互redis、pyredis：用于和redis非关系型数据库的交互利用参考地址： https://blog.csdn.net/a87b01c14/article/details/51546727
关于如何利用python连接mysql： pymysql操作实例
