pandas的导出csv文件的函数是_Pandas读取与导出Excel、CSV文件

在使用Pandas处理数据时，常见的读取数据的方式时从Excel或CSV文件中获取，另外有时也会需要将处理完的数据输出为Excel或CSV文件。今天就一起来学习下Pandas常见的文件读取与导出的方法。

加载Excel文件

在Pandas中，Excel文件读取方法是：pd.read_excel()。具体可传参数为：

pandas.read_excel(io, sheet_name=0, header=0, names=None, index_col=None, usecols=None, squeeze=False, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skiprows=None, nrows=None, na_values=None, parse_dates=False, date_parser=None, thousands=None, comment=None, skipfooter=0, convert_float=True, **kwds)

其中：

io：excel文件，可以是文件路径、文件网址、file-like对象、xlrd workbook

sheetname：返回指定的sheet，参数可以是字符串(sheet名)、整型(sheet索引)、list(元素为字符串和整型，返回字典{‘key’:’sheet’})、none(返回字典，全部sheet)

header：指定数据表的表头，参数可以是int、list of ints，即为索引行数为表头

names：返回指定name的列，参数为array-like对象。

index_col：设定索引的列，参数可以是int、list of ints

usecol：设定需要解析的列，默认为None，代表解析素有，如果直传一个int，代表解析到最后的那个列，如果传的是list则返回的是限定的列，比如：“A:E”或“A,C,E:F”

squeeze：如果解析的数据只包含一列数据，则返回一个Series，默认返回为DataFrame

dtype：可以制定每列的类型，示例：{‘a’: np.float64, ‘b’: np.int32}

engine：如果 io 不是缓冲区或路径，则必须设置 io。 可接受的值是 None 或 xlrd

converters：自定形式，设定对应的列要用的转换函数。

true_values：设定安歇为True值，不常用

false_values：设定哪些为False值，不常用

shiprows：需要跳过的行，list-like类型

nrows：要分析的行数

na_values：N/A值列表

parse_dates：传入的是list，将指定的类解析为date格式

date_