Pandas CSV文件读取储存

读取文件pd.read_csv()

CSV:文件以纯文本形式存储表格数据（数字和文本）

df=pd.read_csv(file_path,sep=",|:|;",engine="python",header=0,encoding='gbk')

1. file_path: 这是CSV文件的路径。您需要将 file_path 替换为实际的文件路径字符串，例如 'C:/Users/48487/Desktop/nba.csv'。

2. sep=",|:|;": 这个参数指定了分隔符。默认情况下，read_csv 期望使用逗号（,）作为字段分隔符。但有时CSV文件可能使用其他的分隔符，比如分号（;）、冒号（:）或其他特殊字符。在这里，您指定了一个正则表达式，用来匹配逗号、冒号或分号作为字段分隔符。这在处理那些使用不同分隔符的文件时非常有用。

3. engine="python": 这个参数指定了用于解析CSV文件的引擎。pandas 提供了两种引擎：python 和 c。python 引擎是纯Python实现，而 c 引擎是一个更快的Cython实现。在大多数情况下，使用默认的 c 引擎会更快。但是，如果您的CSV文件格式非常特殊或者包含大量转义字符，python 引擎可能更加稳健。

4. header=0: 这个参数指定哪一行作为列名。在这里，header=0 表示第一行（行索引从0开始）将被用作列名。如果您的CSV文件中没有列标题，您可以将其设置为 None。

5. encoding='gbk': 这个参数指定了文件的编码格式。在这里，您使用了 gbk 编码，这是用于简体中文字符的编码格式之一。如果您的CSV文件使用了不同的编码，您需要相应地更改这个参数。例如，对于使用UTF-8编码的文件，您应该使用 encoding='utf-8'。

综上所述，代码行配置了 read_csv 函数来读取一个可能使用不同分隔符的CSV文件，且该文件的列名位于第一行，使用 gbk 编码。如果CSV文件符合这些条件，df 将是一个包含文件数据的 DataFrame 对象。

print(df.to_string())

to_string() 用于返回 DataFrame 类型的数据，如果不使用该函数，则输出结果为数据的前面 5 行和末尾 5 行，中间部分以 ... 代替。

将DataFrame存储为CSV文件：to_csv()

回顾了好几个知识点：1创建DataFrame 2存储为CSV文件 3打开CSV文件

df.to_csv('num.csv',index=False)如果这句话中缺少index=False

会导致索引也变成文件内一列，心都死了

读取前几行.head()

head()括号内若不填写，默认前五行

读取后几行.tail()

tail()括号内若不填写，默认后五行

获取表格基本信息.info()

可以得出458行，第一行编号0

9列，每列数据类型，non-null，意思为非空的数据，

一个float64，3个int64，5个object