pandas处理csv文件
pandas读取csv文件
简介
CSV是一种以","为分隔符来存储表格数据（数字或文本）的纯文本格式。这是一种简单通用的文件格式。
1. 将pd.DataFrame对象保存到csv文件
pd.DataFrame.to_csv()
"""
参数：
1. path_or_buf : str or file handle, default None，文件路径或文件对象；
2. sep: str, defaults to ','，使用的分隔符；
3. na_rep : str, default ''，丢失数据的表示；
4. float_format: str, default None，浮点数的格式字符串；
5. columns: sequence, optional, 保存的列；
6. header: bool or list of str, default True，是否将列标签写入文件，如果为list or str，则将用于替换列标签写入文件；
7. index : bool, default True，是否写入行索引；
8. index_label : str or sequence, or False, default None，索引列的标签；
9. mode : str，python写模式，默认 'w'；
10. encoding : str, optional，默认，’utf-8‘；
"""
2. 读取csv文件
pd.read_csv()
"""
参数：
1. filepath_or_buffer: various，文件路径或文件对象；
2. sep: str, defaults to ','，分隔符，默认 ','；
3. header : int, list of int, default 'infer'，选择第几行作为列名，默认为第一行；
4. names : array-like, optional，列名列表；
5. index_col: int, str, sequence of int / str, or False, default ``None``，使用给定的列作为行标签;
6. usecols : list-like or callable, optional，列名或序列列表，返回子表；
7. na_values: scalar, str, list-like, or dict, default None，将对应值识别位NaN；
8. na_filter: boolean, default True，是否识别缺失值为Na；
"""
例：
# 定义DataFrame对象
>>> df = df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar',
'foo', 'bar', 'foo', 'foo'],
'B': ['one', 'one', 'two', 'three',
'two', 'two', 'one', 'three'],
'C': np.random.randn(8),
'D': np.random.randn(8)})
>>> df
A B C D
0 foo one -1.437858 0.155025
1 bar one 1.150565 -0.614996
2 foo two 0.296236 0.538160
3 bar three -1.355619 1.229465
4 foo two -0.411405 -1.167204
5 bar two -0.178302 -0.451726
6 foo one 1.127362 -0.407458
7 foo three -1.608615 -1.025847
# 将df保存到csv文件中
>>> df.to_csv('test.csv', )
>>> with open('test.csv') as fp:
print(fp.read())
A,B,C,D
foo,one,-1.4378575583783093,0.15502459897313522
bar,one,1.1505651678375877,-0.6149963246704199
foo,two,0.2962358799876369,0.5381601328949968
bar,three,-1.3556193106958445,1.22946535082023
foo,two,-0.4114051795979103,-1.167204338223104
bar,two,-0.17830153868950416,-0.4517260094135266
foo,one,1.1273617862319971,-0.4074578794708698
foo,three,-1.6086147075218953,-1.025847234571291
# 读取csv文件
>>> pd.read_csv('test.csv')
A B C D
0 foo one -1.437858 0.155025
1 bar one 1.150565 -0.614996
2 foo two 0.296236 0.538160
3 bar three -1.355619 1.229465
4 foo two -0.411405 -1.167204
5 bar two -0.178302 -0.451726
6 foo one 1.127362 -0.407458
7 foo three -1.608615 -1.025847