Чтение наборов данных и манипулирование ими — фундаментальная задача в анализе данных и машинном обучении. Python предоставляет универсальные библиотеки и инструменты, которые упрощают процесс чтения различных типов наборов данных. В этой статье мы рассмотрим несколько методов и примеров кода для чтения наборов данных в Python, охватывающих популярные форматы файлов, такие как CSV, JSON, Excel и SQLite.

1. Чтение файлов CSV.
   Файлы CSV (значения, разделенные запятыми) широко используются для хранения табличных данных. Python предоставляет встроенные модули, такие как csv, и мощные библиотеки, такие как Pandas, для обработки файлов CSV.

import csv
# Method 1: Using the csv module
with open('dataset.csv', 'r') as file:
    csv_reader = csv.reader(file)
    for row in csv_reader:
        print(row)
# Method 2: Using the pandas library
import pandas as pd
data = pd.read_csv('dataset.csv')
print(data)

<старый старт="2">

Чтение файлов JSON.
JSON (нотация объектов JavaScript) — популярный формат обмена данными. Модуль Python jsonупрощает чтение и анализ файлов JSON.

import json
# Method 1: Using the json module
with open('dataset.json', 'r') as file:
    data = json.load(file)
    print(data)
# Method 2: Using the pandas library
data = pd.read_json('dataset.json')
print(data)

3. Чтение файлов Excel.
   Файлы Excel, обычно в формате XLSX, широко используются для хранения структурированных данных. Библиотека pandasобеспечивает надежную поддержку чтения файлов Excel.

# Method 1: Using the pandas library
data = pd.read_excel('dataset.xlsx', sheet_name='Sheet1')
print(data)
# Method 2: Using the openpyxl library (for more advanced operations)
import openpyxl
workbook = openpyxl.load_workbook('dataset.xlsx')
sheet = workbook['Sheet1']
data = []
for row in sheet.iter_rows(values_only=True):
    data.append(row)
print(data)

4. Чтение баз данных SQLite.
   SQLite — это легкий и автономный механизм базы данных. Встроенный модуль Python sqlite3позволяет легко взаимодействовать с базами данных SQLite.

import sqlite3
# Method 1: Using the sqlite3 module
connection = sqlite3.connect('database.db')
cursor = connection.cursor()
cursor.execute('SELECT * FROM table')
data = cursor.fetchall()
print(data)
# Method 2: Using the pandas library
import pandas as pd
data = pd.read_sql_query('SELECT * FROM table', connection)
print(data)

В этой статье мы рассмотрели различные методы чтения наборов данных в Python. Мы рассмотрели чтение файлов CSV, JSON, Excel и SQLite с использованием как встроенных модулей, так и популярных библиотек, таких как Pandas. Знакомство с этими методами даст вам необходимые навыки для эффективного чтения и анализа наборов данных в Python, что позволит вам получать значимую информацию из ваших данных.