其他
python数据分析包|Pandas-03pandas读写表格数据
"pythonic生物人"的第56篇分享
Pandas对表格型文件读取与存储。本文将学到什么1、pandas.read_csv读取文件
2、快速浏览读入的数据
3、pandas.DataFrame.to_csv写入文件
正文开始啦
pandas非常擅长处理表格型数据，pandas读入表格型数据后转化为一个DataFrame对象； pandas提供了一个read_*方法读数据，与之对应的to_*方法存数据；
1、pandas.read_csv读取文件
待读取的表格 'pd_io.txt'
data1 name2 age3
data name age
2018-6-16 李 20
2018-6-13 佳 22
2018-6-16 杨 3
2018-6-11 静 10
2018-6-12 海 29
2018-6-11 贝 51
2018-6-12 cao 36
2018-6-11 liu 28
2018-6-12 君 7
2018-6-12 琪1 31
pandas.read_csv读取文件文件脚本
import numpy as np
import matplotlib
import pandas as pd
data = pd.read_csv('./pd_io.txt', sep='\t',header=1, encoding='UTF-8',na_filter=True, nrows=500, na_values='cao')
##参数介绍
#sep，设置文件每行内容的分隔符，此处设置为table分割；
#header，设置列标签，默认设置第一行为标签名，即header=0,此处设置第二行为列标签；
#encoding，文件编码方式；
#na_filter,对于空值要不要当做缺省值（NaN）处理，默认为True；
#nrows，指定读取前多少行，默认读取所有行
#na_values，指定某个值为缺省值，pandas.DataFrame默认的缺省值为：
'''NaN: ‘’, ‘#N/A’, ‘#N/A N/A’, ‘#NA’, ‘-1.#IND’, ‘-1.#QNAN’,
‘-NaN’, ‘-nan’, ‘1.#IND’, ‘1.#QNAN’, ‘<NA>’, ‘N/A’, ‘NA’,
‘NULL’, ‘NaN’, ‘n/a’, ‘nan’, ‘null’.'''
In [81]:data#查看读入的文件数据
2、快速浏览读入的数据
当读入的文件比较大时：info|head|tail|dtypes方法快速浏览数据。
data.info#info查看文件的基本信息
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10 entries, 0 to 9#index内容
Data columns (total 3 columns):#列标签内容
data 9 non-null object#data#每一列数据简要介绍
name 9 non-null object#
age 10 non-null int64
dtypes: int64(1), object(2)#数据类型
memory usage: 320.0+ bytes#内存使用情况
data.dtypes#dtypes查看文件的数据类型
3、pandas.DataFrame.to_csv写入文件
data.to_csv("pd_out.txt", sep='\t',header=0, index=0, na_rep='这里是NaN值老铁', float_format='%.3f', columns=['data','name'])
#参数含义
#sep，默认为逗号，这里设置为table；
#header，是否保留列名，默认值为1保留，此处设置为0不保留；
#index，是否保留行索引，默认为1保留，此处设置为0不保留；
#na_rep，缺省值NaN是否替换，默认为空（''）；
#float_format，浮点型数据设置保留小数位数，这里设置保留三位小数；
#columns，设置要保存的列，传入类型为列表，这里设置保留两列；
写入后的文件'pd_out.txt'
2018-6-16 李
2018-6-13 佳
2018-6-16 杨
2018-6-11 静
2018-6-12 海
2018-6-11 贝
2018-6-12 这里是NaN值老铁
2018-6-11 liu
2018-6-12 君
这里是NaN值老铁 琪1
4、参考资料
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html?highlight=read_csv
https://pandas.pydata.org/pandas-docs/stable/user_guide/cookbook.html?highlight=to_csv