python csv保存_python数据分析之csv/txt数据的导入和保存

约定：

import numpy as np

import pandas as pd

1

2

3

一、CSV数据的导入和保存

csv数据一般格式为逗号分隔，可在excel中打开展示。

示例 data1.csv：

A,B,C,D

1,2,3,a

4,5,6,b

7,8,9,c

1

2

3

4

5

代码示例：

# 当列索引存在时

x = pd.read_csv("data1.csv")

print x

'''

A B C D

0 1 2 3 a

1 4 5 6 b

2 7 8 9 c

'''

1

2

3

4

5

6

7

8

9

10

示例data2.csv：

1,2,3,a

4,5,6,b

7,8,9,c

1

2

3

4

代码示例：

# 当列索引不存在时,默认从0开始索引

x = pd.read_csv('data2.csv', header=None)

print x

'''

0 1 2 3

0 1 2 3 a

1 4 5 6 b

2 7 8 9 c

'''

# 设置列索引

x = pd.read_csv('data2.csv',names=['A','B','C','D'])

print x

'''

A B C D

0 1 2 3 a

1 4 5 6 b

2 7 8 9 c

'''

# 将一(多)列的元素作为行(多层次)索引

x = pd.read_csv('data2.csv',names=['A','B','C','D'],index_col='D')

print x

'''

A B C

D

a 1 2 3

b 4 5 6

c 7 8 9

'''

x = pd.read_csv('data2.csv',names=['A','B','C','D'],index_col=['D','C'])

print x

'''

A B

D C

a 3 1 2

b 6 4 5

c 9 7 8

'''

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

示例data3.csv：

A,B,C,D

1,2,3,

NULL,5,6,b

7,nan,Nan,c

1

2

3

4

5

代码示例：

# 一般NULL nan 空格 等自动转换为NaN

x = pd.read_csv('data3.csv', na_values=[])

print x

'''

A B C D

0 1.0 2.0 3 NaN

1 NaN 5.0 6 b

2 7.0 NaN Nan c

'''

# 将某个元素值设置为NaN

x = pd.read_csv('data3.csv', na_values=['Nan'])

print x

'''

A B C D

0 1.0 2.0 3.0 NaN

1 NaN 5.0 6.0 b

2 7.0 NaN NaN c

'''

# 在对应列上设置元素为NaN

setNaN = {'C':['Nan'],'D':['b','c']}

x = pd.read_csv("data3.csv",na_values=setNaN)

print x

'''

A B C D

0 1.0 2.0 3.0 NaN

1 NaN 5.0 6.0 NaN

2 7.0 NaN NaN NaN

'''

# 保存数据到csv文件

x.to_csv('data3out.csv')

'''

data3out:

,A,B,C,D

0,1.0,2.0,3.0,

1,,5.0,6.0,

2,7.0,,,

'''

# 保存数据到csv文件,设置NaN的表示,去掉行索引，去掉列索引(header)

x.to_csv('data3out.csv',index=False,na_rep='NaN',header=False)

'''

data3out:

1.0,2.0,3.0,NaN

NaN,5.0,6.0,NaN

7.0,NaN,NaN,NaN

'''

x = pd.read_csv("data3out.csv",names=['W','X','Y','Z'])

print x

'''

W X Y Z

0 1.0 2.0 3.0 NaN

1 NaN 5.0 6.0 NaN

2 7.0 NaN NaN NaN

'''

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

二、txt数据的导入

txt文件中的数据通常以多个空格或者逗号等分割开。

示例data4.txt：

A B C

a 1 2 3

b 4 5 6

1

2

3

4

代码示例：

# 读取数据

x = pd.read_table('data4.txt', sep='\s+') # sep:分隔的正则表达式

print x

'''

A B C

a 1 2 3

b 4 5 6

'''

1

2

3

4

5

6

7

8

9

示例data5.txt：

1.176813 3.167020

-0.566606 5.749003

0.931635 1.589505

-0.036453 2.690988

1

2

3

4

5

代码示例：

# 使用numpy读取txt

x = np.loadtxt('data5.txt', delimiter='\t') # 分隔符

print x

'''

[[ 1.176813 3.16702 ]

[-0.566606 5.749003]

[ 0.931635 1.589505]

[-0.036453 2.690988]]

'''