Pandas(一)：读写csv与excel文件

点击跳转
《Pandas系列目录》

---

---

• pandas是强大的数据分析和处理工具

• pandas常用的数据结构

  • Series：带标签的一维数组
  • DatetimeIndex：时间序列
  • DataFrame：带标签且大小可变的二维表格结构
  • Panel：带标签且大小可变的三维数组

• pandas内置了10余种数据源读取函数和对应的数据写入函数

  • csv文件
  • Excel文件

1. 读取csv文件

• 使用read_table函数读取文本文件

  pandas.read_table(filepath_or_buffer, sep='\t', header='infer', names=None, index_col=None, dtype=None, engine=None, nrows=None)
  

• 使用read_csv函数读取csv文件

  pandas.read_csv(filepath_or_buffer, sep=',', header='infer', names=None, index_col=None, dtype=None, engine=None, nrows=None)
  

• sep
  • 指定文本的分隔符。如果分隔符指定错误，在读取数据的时候，每一行数据将会连成一片
• header
  • 指定列名。如果是None，则会添加一个默认的列名
• encoding
  • 文件的编码格式。常用的编码有utf-8、utf-16、gbk、gb2312、gb18030等。如果编码指定错误，数据将无法读取，Python解释器会报解析错误

2. 存储csv文件

• 结构化数据可以通过pandas中的to_csv函数实现以csv文件格式存储文件

  DataFrame.to_csv(path_or_buf=None, sep=',', na_rep='', columns=None, header=True, index=True, index_label=None, mode='w', encoding=None)
  

3. 读取excel文件

• pandas提供了read_excel函数来读取xls、xlsx两种excel文件

  pandas.read_excel(io, sheetname=0, header=0, index_col=None, names=None, dtype=None)
  

4. 存储excel文件

• 将文件存储为excel文件，可以使用to_excel方法

  DataFrame.to_excel(excel_writer=None, sheetname=None, na_rep='', header=True, index=True, index_label=None, mode='w', encoding=None)
  

• 与to_csv方法的常用参数基本一致。区别之处在于指定存储文件的文件路径参数名为excel_writer，并且没有sep参数，增加了一个sheetname参数用来指定存储的excel sheet的名称，默认为sheet1