Pandas文件读取和存储

我们的数据大部分存在于文件当中，所以pandas会支持复杂的IO操作，pandas的API支持众多的文件格式，如CSV、SQL、XLS、JSON、HDF5。

一、Excel

1.1 read_excel

• pandas.read_excel（filepath，sheet_name = 0，header = 0，names = None，index_col = None，usecols = None）
  • filepath:字符串，文件的路径对象。
• sheet_name：None、string、int、字符串列表或整数列表，默认为0。字符串用于工作表名称,整数用于零索引工作表位置,字符串列表或整数列表用于请求多个工作表，为None时获取所有工作表。

值	对应操作
sheet_name=0	第一张作为DataFrame
sheet_name=1	第二张作为DataFrame
sheet_name=“Sheet1”	第一张作DataFrame
sheet_name=[0,1,‘Sheet5’]	第1页，第2页和第5页作为DataFrames的字典。

• header：指定作为列名的行，默认0，即取第一行的值为列名。数据为列名行以下的数据；若数据不含列名，则设定 header = None。
• names：默认为None，要使用的列名列表，如不包含标题行，应显示传递header=None。
• usecols：int或list，默认为None。
  • 如果为None则解析所有列
  • 如果为int则表示要解析的最后一列
  • 如果为int列表则表示要解析的列号列表
  • 如果字符串则表示以逗号分隔的Excel列字母和列范围列表（例如“A：E”或“A，C，E：F”）。范围包括双方。

#如果报xlrd错误就安装这个包  pip install xlrd
data=pd.read_excel('data/2019.01.xlsx',sheetname='酒店订单')
data.head()

                        订单号        入住日期        离店日期        房间数
0    114311622368512    2019-02-01    2019-02-02    1
1    114311066222592    2019-01-31    2019-02-01    1
2    114311045054464    2019-01-31    2019-02-01    1
3    114311030996992    2019-01-31    2019-02-01    1
4    114310813687040    2019-01-31    2019-02-01    1

1.2 to_excel

• DataFrame.to_excel(file_path, sheet_name=‘Sheet1’, na_rep=’’, columns=None, header=True, index=True)

  • file_path :文件路径

  • sheet_name :sheet名，默认为"Sheet1"

  • columns :选择需要的列索引

  • header :boolean or list of string, default True,是否写进列索引值

  • index:是否写进行索引

#由于有中文字符,需要安装xlsxwriter   pip install xlsxwriter
data.to_excel('data/test.xlsx',engine='xlsxwriter',s