机器学习实验过程中，需要对获取到的数据进行分析，往往第一步就是导入数据。导入数据有很多方式，不同的数据文件需要用到不同的导入方式，相同的文件也会有几种不同的导入方式。下面总结几种常用的文件导入方法。

方法一：导入numpy包，读取本地文件

1.1 numpy读取本地文本文件

1.2 numpy导入本地.npy or .npz文件

方法二：导入pandas包，读取本地文件

2.1 pandas读取csv格式数据

2.2 pandas读取excel格式数据

2.3 pandas读取json格式数据

2.4 pandas读取html格式数据

2.5 pandas读取剪贴板数据

方法三：利用sklearn包datasets模块导入uci数据库

sklearn（Scikit-learn）是一个广泛使用的Python机器学习库，它提供了许多用于实验和学习的数据集。UCI数据库（University of California, Irvine Machine Learning Repository）是一个在线的机器学习数据库，包含了大量的数据集供研究人员使用。尽管sklearn.datasets不直接连接UCI数据库，但它确实包含了一些从UCI数据库以及其他来源精选出来的数据集。这些数据集通常经过预处理，使得它们可以轻松地与Scikit-learn的机器学习算法一起使用。

• from sklearn.datasets import load_iris  

• from sklearn.datasets import load_digits  

• from sklearn.datasets import fetch_california_housing

方法四：在线下载uci数据集到内存

在线下载数据集并将其加载到内存中，通常这涉及到使用HTTP请求库（如requests）来下载数据，然后使用适当的解析库（如pandas或numpy）来处理数据。

# UCI数据集的URL（这里以鸢尾花数据集为例）  

url = "https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data"  

# 发送HTTP GET请求来下载数据集  

response = requests.get(url)