1. 从本地文件加载数据
从本地文件加载数据是Python中最常见的一种方式。可以使用Python内置的open()函数打开文件，并使用read()方法读取其中的内容。
示例：
with open('data.txt', 'r') as file:
data = file.read()
print(data)
上面的代码将打开名为"data.txt"的文件，并将其内容读取到变量"data"中。可以通过print()函数将数据输出到控制台。
在实际应用中，需要根据文件的格式来解析数据。常见的文件格式包括CSV（逗号分隔值）、JSON（JavaScript对象表示）和XML（可扩展标记语言）等。
2. 通过网络加载数据
除了从本地文件加载数据，还可以通过网络加载数据。Python提供了多种方式来实现这一功能，包括使用urllib库和requests库。
示例：
import urllib.request
url = "https://example.com/data.txt"
response = urllib.request.urlopen(url)
data = response.read().decode()
print(data)
上述代码通过urllib库中的urlopen()函数打开URL链接，并使用read()方法读取其内容。最后将内容打印到控制台。
使用requests库也可以实现相同的功能：
import requests
url = "https://example.com/data.txt"
response = requests.get(url)
data = response.text
print(data)
3. 使用第三方库加载数据
除了使用Python自带的库外，还可以使用第三方库来加载数据。例如，使用pandas库可以方便地处理和分析大型数据集。
示例：
import pandas as pd
data = pd.read_csv('data.csv')
print(data)
上面的代码使用pandas库中的read_csv()函数读取名为"data.csv"的CSV文件，并将其存储到名为"data"的DataFrame对象中。
通过pandas库，可以使用各种函数和方法对数据进行处理和分析，例如筛选、排序和计算统计量等。
4. 使用API加载数据
许多网站提供API（应用程序接口）来访问其数据。通过使用API，可以直接从网站获取数据，而无需下载和解析文件。
示例：
import requests
url = "https://api.example.com/data"
response = requests.get(url)
data = response.json()
print(data)
上述代码使用requests库中的get()函数向URL链接发送请求，并使用json()方法将响应的JSON数据转换为Python对象。
使用API加载数据的好处是可以实时获取最新的数据，而无需手动更新文件。
5. 使用数据库加载数据
如果数据存储在数据库中，可以使用Python中的数据库驱动程序来加载数据。
示例：
import sqlite3
conn = sqlite3.connect('database.db')
cursor = conn.cursor()
cursor.execute("SELECT * FROM table")
data = cursor.fetchall()
print(data)
上述代码使用sqlite3库连接到名为"database.db"的SQLite数据库，并执行SELECT查询以获取表中的数据。
可以根据数据库的类型选择相应的库来加载数据，例如MySQL、PostgreSQL和MongoDB等。
以上是Python加载数据的5种不同方式。根据实际需求选择合适的方式来加载数据可以提高代码的效率和可维护性。