# 导入必要的库
import pandas as pd
import requests
import json # 用于处理 API 返回的 JSON 数据
import sqlite3 # Python 内置的 SQLite 数据库接口

print("所有库导入成功！")

# ========== 1. 从 CSV 文件加载数据 ==========
# 假设我们有一个名为 'students_scores.csv' 的文件，内容如下：
# Name,Math,Science,English
# Alice,90,85,88
# Bob,78,92,80
# Charlie,95,88,82

# 实践中，你需要将数据保存到文件。这里我们用一个示例文件。
csv_file_path = 'students_scores.csv' # 替换为你的实际文件路径
try:
    df_csv = pd.read_csv(csv_file_path)
    print("成功从CSV加载数据！")
    print("前3行数据：")
    print(df_csv.head(3)) # 查看前几行，快速了解数据结构
    print("\n数据基本信息：")
    print(df_csv.info()) # 查看列名、数据类型、非空值数量
except FileNotFoundError:
    print(f"错误：找不到文件 '{csv_file_path}'。请确保文件路径正确。")
except Exception as e:
    print(f"读取CSV时发生错误: {e}")

# ========== 2. 从 Excel 文件加载数据 ==========
# 假设我们有一个 'sales_report.xlsx' 文件，里面有一个名为‘2023销售’的工作表。
excel_file_path = 'sales_report.xlsx'
sheet_name = '2023销售' # 可以指定工作表名称，默认是第一个
try:
    df_excel = pd.read_excel(excel_file_path, sheet_name=sheet_name)
    print("\n成功从Excel加载数据！")
    print("数据形状 (行数, 列数):", df_excel.shape)
    print("\n列名:", df_excel.columns.tolist())
except FileNotFoundError:
    print(f"错误：找不到文件 '{excel_file_path}'。")
except Exception as e:
    print(f"读取Excel时发生错误: {e}")

# ========== 3. 从 SQL 数据库加载数据 ==========
# 我们使用 Python 内置的 SQLite 创建一个临时内存数据库来演示
# 在实际场景中，你需要连接真实的数据库（如 MySQL），需要安装对应的驱动。
# 创建一个 SQLite 内存数据库和游标
conn = sqlite3.connect(':memory:') # ':memory:' 表示数据库只在内存中，程序结束就消失
cursor = conn.cursor()

# 创建一个表并插入一些示例数据
cursor.execute('''
CREATE TABLE employee (
    id INTEGER PRIMARY KEY,
    name TEXT,
    department TEXT,
    salary REAL
);
''')
cursor.executemany('INSERT INTO employee VALUES (?, ?, ?, ?)', [
    (1, '张三', '技术部', 15000),
    (2, '李四', '市场部', 12000),
    (3, '王五', '技术部', 16000)
])
conn.commit() # 提交更改

# 使用 Pandas 的 read_sql_query 函数执行 SQL 查询并加载结果
sql_query = "SELECT * FROM employee WHERE department = '技术部';"
try:
    df_sql = pd.read_sql_query(sql_query, conn)
    print("\n成功从SQL数据库加载数据！")
    print(df_sql)
except Exception as e:
    print(f"执行SQL查询时发生错误: {e}")
finally:
    conn.close() # 操作完成后关闭连接

# ========== 4. 从 API 加载数据 ==========
# 使用一个免费的公共 API 示例：获取一些随机的用户信息
# 注意：API 可能需要注册、认证（API Key）或有不同的调用限制。
api_url = "https://jsonplaceholder.typicode.com/users" # 一个用于测试的假API
try:
    response = requests.get(api_url)
    response.raise_for_status() # 如果请求失败（如404, 500），会抛出异常

    # API 返回的是 JSON 格式的数据，它是一个列表，每个元素是一个用户字典
    users_data = response.json()

    # 将 JSON 数据（字典列表）直接转换为 Pandas DataFrame
    df_api = pd.DataFrame(users_data)
    print("\n成功从API加载数据！")
    print(f"获取到 {len(df_api)} 个用户的信息。")
    print("部分列名：", df_api.columns.tolist()[:5]) # 显示前5个列名
    print("\n第一个用户的姓名和邮箱：")
    print(df_api.loc[0, ['name', 'email']])

except requests.exceptions.RequestException as e:
    print(f"API请求失败: {e}")
except json.JSONDecodeError:
    print("API返回的数据不是有效的JSON格式。")
except Exception as e:
    print(f"处理API数据时发生错误: {e}")

print("\n所有数据加载演示完成！")

ProductID,Name,Price,Stock
101,Laptop,999.99,50
102,Keyboard,79.50,120
103,Monitor,349.00,85
104,Mouse,25.75,200