在Python中，pandas庫提供了DataFrame對象，用于處理和操作數據

1. 從CSV文件導入數據到DataFrame：

import pandas as pd

data = pd.read_csv('file_path.csv')

2. 從Excel文件導入數據到DataFrame：

import pandas as pd

data = pd.read_excel('file_path.xlsx', sheet_name='sheet_name')

3. 從SQL查詢導入數據到DataFrame：

import pandas as pd
import sqlite3

# 創建一個SQLite連接
conn = sqlite3.connect('database_name.db')

# 執行SQL查詢并將結果存儲在DataFrame中
data = pd.read_sql_query('SELECT * FROM table_name', conn)

# 關閉數據庫連接
conn.close()

4. 從JSON文件導入數據到DataFrame：

import pandas as pd

data = pd.read_json('file_path.json')

5. 從HTML文件導入數據到DataFrame：

import pandas as pd

data = pd.read_html('file_path.html')[0]

6. 從API導入數據到DataFrame：

import pandas as pd
import requests

response = requests.get('api_url')
data = pd.DataFrame(response.json())

導出數據：

1. 將DataFrame導出為CSV文件：

data.to_csv('file_path.csv', index=False)

2. 將DataFrame導出為Excel文件：

data.to_excel('file_path.xlsx', sheet_name='sheet_name', index=False)

3. 將DataFrame導出為SQL表：

import sqlite3

# 創建一個SQLite連接
conn = sqlite3.connect('database_name.db')

# 將DataFrame寫入SQL表
data.to_sql('table_name', conn, if_exists='replace', index=False)

# 關閉數據庫連接
conn.close()

4. 將DataFrame導出為JSON文件：

data.to_json('file_path.json', orient='records')

5. 將DataFrame導出為HTML文件：

data.to_html('file_path.html', index=False)

注意：在使用這些方法之前，請確保已安裝所需的庫（如pandas、sqlite3等）。