python pandas写入数据后保存,python pandas写入和读取数据的基本操作

今天呢开始学习pandas模块啦

一、序

① 基本操作

先简单说说pandas操作excel文件、csv、txt用的都是啥方法

操作excel : pandas里面带有excel的方法一般都是操作excel文件

操作csv和txt：带有csv字样的方法可以操作csv和txt文件

先来新建个excel文件试试(to_excel方法)：

import pandas as pd

res = 'E:/python测试数据/demo.xlsx'

mydata = pd.DataFrame()

mydata.to_excel(res)

print('文件创建成功！')

按理说导入了pandas模块，这个时候就新建了一个demo.xlsx文件，但是呢报了以下这个错误：

② 导入相应模块

错误提示缺少openpyxl模块，所以咱们照着之前的办法，在pycharm中安装一下：点击pycharm左上角File——Settings——Project:XXX——Python Interpreter——点击最右侧的+号——搜索openpyxl——点击左下角的Install Package。等待几秒就完成啦

安装完后再运行就不会报错了，E盘下面新建好了demo.xlsx文件。

一、pandas写入数据操作

① 写入的数据类型

先看看要写入excel数据，是用什么类型的形式写入：

{'序号':[1,2,3,4,5],'姓名':['张三','李四','王五','赵六','雪清']}

看了一下，操作的EXCEL里面每列数据都是字典的元素。字典的键是EXCEL每列的标题，字典的值以列表格式保存。

import pandas as pd

res = 'E:/python测试数据/demo.xlsx'

mydata = pd.DataFrame({'序号':[1,2,3,4,5],'姓名':['张三','李四','王五','赵六','雪清']})

mydata.to_excel(res)

print('文件创建成功！')

运行完后创建了demo.xlsx，内容如下：

② 去掉默认索引列

我们会发现创建的EXCEL文件中A列多了索引值~如果不需要A列索引的话，加上这么一句就可以：

mydata = pd.DataFrame({'序号':[1,2,3,4,5],'姓名':['张三','李四','王五','赵六','雪清']})

mydata = mydata.set_index('序号')

mydata.to_excel(res)

csv文件和txt文件操作一样这里就不多说啦

二、读取文件相关操作

① pandas读取文件的方法

一般来说数据量较大的话不用xlsx和txt格式，用csv比较多，所以呢读取这些文件的操作如下：

read_csv 默认使用逗号分隔符

read_table 默认用tab制表符作为分隔符

② read_csv基本用法

假设新建了个txt文件，里面有这些数据：

读取txt的代码如下：

import pandas as pd

res = 'E:/python测试数据/源数据.txt'

mydata = pd.read_csv(res)

print(mydata)

因为read_csv默认使用逗号分隔，所以数据打印出来后就没有逗号啦

③ read_table基本用法

如果是用read_table进行分隔的话，可以改成下面这句：

mydata = pd.read_table(res,sep=',')

④ read_csv 、read_table 读取部分行数据

当然了，如果数据量太大只需要读取一部分数据的话可以这样，比如读取3行：

import pandas as pd

res = 'E:/python测试数据/源数据.txt'

mydata = pd.read_table(res,sep=',')

print(mydata.head(3))

也可以这样：

import pandas as pd

res = 'E:/python测试数据/源数据.txt'

mydata = pd.read_table(res,sep=',',nrows=3)

print(mydata)

⑤ 输出源数据列

如果需要知道数据有多少列，输出的时候可以这样：

print(mydata.columns)

结果如下：

Index(['序号', '姓名', '性别', '年龄'], dtype='object')

⑥ 输出源数据每列的数据类型

print(mydata.dtypes)

结果如下：

序号 int64

姓名 object

性别 int64

年龄 object

dtype: object

⑦ 读取没表头的数据

假设现在把第一行的数据去掉

要读取的时候可以这样

import pandas as pd

res = 'E:/python测试数据/源数据.txt'

mydata = pd.read_table(res,sep=',',header=None,names=['序号','姓名','性别','年龄'])

print(mydata)

header=None：意思是这个表没有表头

names=['序号','姓名','性别','年龄'] ：意思是这个表没有表头咱们设置个啥名字上去(如果不设置的话自动分配01234…)

所以一般header和names一起使用。

输出结果：

⑧ 设置索引列

刚才读取数据的例子上，输出结果前面都有一列 0 1 2…怎么处理呢？

mydata = pd.read_table(res,sep=',',index_col='序号')

⑨ 跳过部分行数

如果需要选择性输出，可以这样：

mydata = pd.read_table(res,sep=',',skiprows=[1,3,5])

三、txt转csv文件

两句搞定，超级简单

import pandas as pd

mydata = pd.read_table('E:/python测试数据/源数据.txt')

mydata.to_csv('E:/python测试数据/源数据.csv')

原文链接:https://blog.csdn.net/Di77HaoWenMing/article/details/108504212