python pandas 读写 csv 文件

python pandas 读写 csv 文件

具体看官方文档

https://www.pypandas.cn/docs/user_guide/io.html#csv-文本文件

import pandas as pd

df1 = pd.DataFrame(
    {
        '列A': ['A0', 'A1', 'A2', 'A3'],
        '列B': ['B0', 'B1', 'B2', 'B3'],
        '列C': ['C0', 'C1', 'C2', 'C3'],
        '列D': ['D0', 'D1', 'D2', 'D3']
    },
    index=["索引0", "索引1", "索引2", "索引3"])
print(df1)

     列A  列B  列C  列D
索引0  A0  B0  C0  D0
索引1  A1  B1  C1  D1
索引2  A2  B2  C2  D2
索引3  A3  B3  C3  D3

写入csv

# 写入csv
df1.to_csv(
    path_or_buf="test.csv",  # 要写入的文件路径
    sep=",",  # 输出文件的字段分隔符（默认","）
    na_rep="",  # 缺失值的字符串表示形式（默认为""）
    header=True,  # 是否写出列名（默认为 True）
    index=False,  # 是否写入行（索引）名称（默认为 True）
    mode="w",  # 写入模式，默认"w"，追加模式。"a"为追加模式。
    encoding="utf-8", # 编码，默认 "utf-8"   
)

列A,列B,列C,列D
A0,B0,C0,D0
A1,B1,C1,D1
A2,B2,C2,D2
A3,B3,C3,D3

读取csv文件

# 读取csv文件
df2 = pd.read_csv(
    filepath_or_buffer="test.csv",  # 文件路径
    sep=",",  # 分隔符,（默认","）
    header=0,  # 第0行作为列名
    encoding="utf-8",  # 解码格式
    index_col=0,  # 第0列作索引，默认None
    # dtype={"列C": str}  # 指定"列C"解析的格式
)
print(df2)

   列A  列B  列C  列D
0  A0  B0  C0  D0
1  A1  B1  C1  D1
2  A2  B2  C2  D2
3  A3  B3  C3  D3