如何使用python实现文本数据挖掘？

常见的文本挖掘有以下方式：

1、读取txt数据

In [1]: import pandas as pd
In [2]: mydata_txt = pd.read_csv('C:\\test_code.txt',sep = '\t',encoding = 'utf-8')

2、读取csv数据

csv文本文件是非常常用的一种数据存储格式，而且其存储量要比Excel电子表格大很多，下面我们就来看看如何利用Python读取csv格式的数据文件：

In [5]: mydata_csv = pd.read_csv('C:\\test.csv',sep = ',',encoding = 'utf-8')
In [6]: mydata_csv

3、读取电子表格文件

这里所说的电子表格就是Excel表格，可以是xls的电子表格，也可以是xlsx的电子表格。在日常工作中，很多数据都是存放在Excel电子表格中的，如果我们需要使用Python对其进行分析或处理的话，第一步就是如何读取Excel数据。下面我们来看看如果读取Excel数据集：

In [7]: mydata_excel = pd.read_excel('C:\\test.xlsx',sep = '\t',encoding = 'utf-8')
In [8]: mydata_excel

4、读取数据库数据

MySQLdb模块是一个连接Python与MySQL的中间桥梁，但目前只能在Python2.x中运行，但不意味着Python3就无法连接MySQL数据库。这里向大家介绍一个非常灵活而强大的模块，那就是pymysql模块。我比较喜欢他的原因是，该模块可以伪装成MySQLdb模块，具体看下面的例子：

In [1]: import pymysql
In [2]: pymysql.install_as_MySQLdb()    #伪装为MySQLdb模块
In [3]: import MySQLdb使用Connection函数联通Python与MySQL
In [4]: conn = MySQLdb.Connection(   ...:        host = 'localhost',   ...:        user = 'root',   ...:        password = 'snake',   ...:        port = 3306,   ...:        database = 'test',   ...:        charset='gbk')使用conn的游标方法(cursor)，目的是为接下来的数据库操作做铺垫。
In [5]: cursor = conn.cursor()
In [6]: sql = 'select * from memberinfo'执行SQL语句
In [7]: cursor.execute(sql)Out[7]: 4
In [8]: data = cursor.fetchall()
In [9]: data

好啦，以上就是常见的文本挖掘方式啦，大家可以试试哈~