訪問數據是使用本書所介紹的這些工具的第一步。我會著重介紹pandas的數據輸入與輸出，雖然別的庫中也有不少以此為目的的工具。

輸入輸出通常可以劃分為幾個大類：讀取文本文件和其他更高效的磁盤存儲格式，加載數據庫中的數據，利用Web API操作網絡資源。

6.1 讀寫文本格式的數據

pandas提供了一些用於將表格型數據讀取為DataFrame對象的函數。表6-1對它們進行了總結，其中read_csv和read_table可能會是你今後用得最多的。

我將大致介紹一下這些函數在將文本數據轉換為DataFrame時所用到的一些技術。這些函數的選項可以劃分為以下幾個大類：

• 索引：將一個或多個列當做返回的DataFrame處理，以及是否從文件、用戶獲取列名。
• 類型推斷和數據轉換：包括用戶定義值的轉換、和自定義的缺失值標記列表等。
• 日期解析：包括組合功能，比如將分散在多個列中的日期時間信息組合成結果中的單個列。
• 迭代：支持對大文件進行逐塊迭代。
• 不規整數據問題：跳過一些行、頁腳、注釋或其他一些不重要的東西（比如由成千上萬個逗號隔開的數值數據）。

因為工作中實際碰到的數據可能十分混亂，一些數據加載函數（尤其是read_csv）的選項逐漸變得復雜起來。面對不同的參數，感到頭痛很正常（read_csv有超過50個參數）。pandas文檔有這些參數的例子，如果你感到閱讀某個文件很難，可以通過相似的足夠多的例