Python导入数据需依来源选工具，pandas最常用：支持CSV（注意编码、分隔符）、Excel（需安装openpyxl）、数据库（sqlalchemy引擎）、网页（read_html）、JSON（read_json或json_normalize）及内存对象（DataFrame构造）。
在 Python 中导入数据，核心是根据数据来源和格式选择合适的工具和方法。最常用的是 pandas 库，它支持从文件、数据库、网络等多种渠道读取结构化数据。
从常见文件格式导入数据
大多数初学者从本地文件开始，pandas 提供了简洁统一的接口：
-
CSV 文件：用
pd.read_csv("data.csv")。注意编码（如中文乱码时加encoding="utf-8"或"gbk"）、分隔符（sep="\t"读取 TSV）、是否含表头（header=None）等参数。 -
Excel 文件：用
pd.read_excel("data.xlsx", sheet_name=0)。可指定工作表名或索引，需提前安装openpyxl或xlrd（旧版 xls）。 -
文本文件（固定宽/空格分隔）：用
pd.read_table("data.txt", sep="\s+")或pd.read_fwf()处理对齐文本。
从数据库导入数据
连接数据库后，可用 pandas.read_sql() 直接加载查询结果：
- 先用
sqlalchemy.create_engine()创建数据库引擎，例如：engine = create_engine("sqlite:///example.db") - 再执行：
df = pd.read_sql("SELECT * FROM users", engine) - 支持 PostgreSQL、MySQL、SQL Server 等，只需更换连接字符串和对应驱动（如
psycopg2、pymysql）。
从网页或 API 导入数据
适合获取实时或公开数据：
win可用的mysql指令skill
下载
安装、修复、更新或打包一个基于 Python 和 PyMySQL 实现的 Windows `mysql` 命令。适用于用户希望在 PowerShell/CMD 中输入 `mysql` 时重定向到 Python 实现、需要交互式输入 MySQL 连接信息、需要同步到当前用户本地 bin 目录，或需要将该能力封装成可公开复用的 Codex skill。
立即学习“Python免费学习笔记（深入）”；
-
网页表格（HTML）：用
pd.read_html("https://example.com/page.html")，返回列表，取[0]获取第一个表格。 -
JSON 数据：若 API 返回 JSON，可用
pd.read_json("data.json")或配合requests获取响应后解析：res = requests.get(url).json()→df = pd.json_normalize(res)（处理嵌套结构）。 - 注意设置请求头、处理认证（如 token）、控制频率，避免被封 IP。
从其他 Python 对象或内存中导入
调试或中间处理时常需要构造或转换数据：
- 从字典或列表创建：
df = pd.DataFrame([{"name": "Alice", "age": 25}, {"name": "Bob", "age": 30}]) - 从 NumPy 数组：
df = pd.DataFrame(np_array, columns=["col1", "col2"]) - 从已有 DataFrame 的子集或计算结果直接复用，无需“导入”，而是生成新对象。
导入前建议先用 head()、info()、dtypes 快速检查数据是否正确读入，尤其关注缺失值、列类型和索引。不复杂但容易忽略。
