pandas的读写
CSDN
课程推荐：《迈向数据科学家：带你玩转Python数据分析》，讲师齐伟，苏州研途教育科技有限公司CTO，苏州大学应用统计专业硕士生指导委员会委员；已出版《跟老齐学Python：轻松入门》《跟老齐学Python：Django实战》、《跟老齐学Python：数据分析》和《Python大学实用教程》畅销图书。
Pandas 系列文章：
- Python 数据分析三剑客之 Pandas（一）：认识 Pandas 及其 Series、DataFrame 对象
- Python 数据分析三剑客之 Pandas（二）：Index 索引对象以及各种索引操作
- Python 数据分析三剑客之 Pandas（三）：算术运算与缺失值的处理
- Python 数据分析三剑客之 Pandas（四）：函数应用、映射、排序和层级索引
- Python 数据分析三剑客之 Pandas（五）：统计计算与统计描述
- Python 数据分析三剑客之 Pandas（六）：GroupBy 数据分裂、应用与合并
- Python 数据分析三剑客之 Pandas（七）：合并数据集
- Python 数据分析三剑客之 Pandas（八）：数据重塑、重复数据处理与数据替换
- Python 数据分析三剑客之 Pandas（九）：时间序列
- Python 数据分析三剑客之 Pandas（十）：数据读写
-
-
另有 NumPy、Matplotlib 系列文章已更新完毕，欢迎关注：
- NumPy 系列文章： https://itrhx.blog.csdn.net/category_9780393.html
- Matplotlib 系列文章： https://itrhx.blog.csdn.net/category_9780418.html
-
-
推荐学习资料与网站（博主参与部分文档翻译）：
- NumPy 官方中文网： https://www.numpy.org.cn/
- Pandas 官方中文网： https://www.pypandas.cn/
- Matplotlib 官方中文网： https://www.matplotlib.org.cn/
- NumPy、Matplotlib、Pandas 速查表： https://github.com/TRHX/Python-quick-reference-table
-
-
文章目录
-
- 【01x00】读取数据
-
- 【01x01】简单示例
- 【01x02】header / names 定制列标签
- 【01x03】index_col 指定列为行索引
- 【01x04】sep 指定分隔符
- 【01x05】skiprows 忽略行
- 【01x06】na_values 设置缺失值
- 【01x07】nrows / chunksize 行与块
- 【02x00】写入数据
-
- 【02x01】简单示例
- 【02x02】sep 指定分隔符
- 【02x03】na_rep 替换缺失值
- 【02x04】index / header 行与列标签
- 【02x05】columns 指定列
-
-
这里是一段防爬虫文本，请读者忽略。
本文原创首发于 CSDN，作者 TRHX。
博客首页：https://itrhx.blog.csdn.net/
本文链接：https://itrhx.blog.csdn.net/article/details/106963135
未经授权，禁止转载！恶意转载，后果自负！尊重原创，远离剽窃！
【01x00】读取数据
Pandas 提供了一些用于将表格型数据读取为 DataFrame 对象的函数。常见方法如下：
Pandas 官方对 IO 工具的介绍： [ https://pandas.pydata.org/pandas-
docs/stable/user_guide/io.html ](https://pandas.pydata.org/pandas-
docs/stable/user_guide/io.html)
| 函数 | 描述 |
|---|---|
| read_csv | 从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为逗号 |
| read_table | 从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为制表符（ '\t' ） |
| read_fwf | 读取定宽列格式数据（没有分隔符） |
| read_clipboard | 读取剪贴板中的数据，可以看做 read_table 的剪贴板版本。在将网页转换为表格时很有用 |
| read_excel | 从 Excel XLS 或 XLSX file 读取表格数据 |
| read_hdf | 读取 pandas写的 HDF5 文件 |
| read_html | 读取 HTML 文档中的所有表格 |
| read_json | 读取 JSON（ JavaScript Object Notation）字符串中的数据 |
| read_msgpack | 读取二进制格式编码的 pandas 数据（Pandas v1.0.0 中已删除对 msgpack 的支持，建议使用 [ |
pyarrow ](https://pandas.pydata.org/docs/user_guide/io.html#io-msgpack) ）
read_pickle | 读取 Python pickle 格式中存储的任意对象
read_sas | 读取存储于 SAS 系统自定义存储格式的 SAS 数据集
read_sql | （使用 SQLAlchemy）读取 SQL 查询结果为 pandas 的 DataFrame
read_stata | 读取 Stata 文件格式的数据集
read_feather | 读取 Feather 二进制格式文件
以下以 read_csv 和 read_table 为例，它们的参数多达 50 多个，具体可参见官方文档：
read_csv： [ https://pandas.pydata.org/docs/reference/api/pandas.read_csv.html
](https://pandas.pydata.org/docs/reference/api/pandas.read_csv.html)
read_table： [
https://pandas.pydata.org/docs/reference/api/pandas.read_table.html
](https://pandas.pydata.org/docs/reference/api/pandas.read_table.html)
常用参数：
| 参数 | 描述 |
|---|---|
| path | 表示文件系统位置、URL、文件型对象的字符串 |
| sep / delimiter | 用于对行中各字段进行拆分的字符序列或正则表达式 |
| header | 用作列名的行号，默认为 0（第一行），如果没有 header 行就应该设置为 None |
| index_col | 用作行索引的列编号或列名。可以是单个名称、数字或由多个名称、数字组成的列表（层次化索引） |
| names | 用于结果的列名列表，结合 header=None |
| skiprows | 需要忽略的行数（从文件开始处算起），或需要跳过的行号列表（从0开始） |
| na_values | 指定一组值，将该组值设置为 NaN（缺失值） |
| comment | 用于将注释信息从行尾拆分出去的字符（一个或多个） |
| parse_dates | 尝试将数据解析为日期，默认为 False。如果为 True，则尝试解析所有列。此外，还可以指定需要解析的一组列号或列名。 |
如果列表的元素为列表或元组，就会将多个列组合到一起再进行日期解析工作（例如，日期、时间分别位于两个列中）
keep_date_col | 如果连接多列解析日期，则保持参与连接的列。默认为 False
converters | 由列号 / 列名跟函数之间的映射关系组成的字典。例如， {'foo': f} 会对 foo 列的所有值应用函数 f
dayfirst | 当解析有歧义的日期时，将其看做国际格式（例如，7/6/2012 —> June 7,2012），默认为 Fase
date_parser | 用于解析日期的函数
nrows | 需要读取的行数（从文件开始处算起）
iterator | 返回一个 TextParser 以便逐块读取文件
chunksize | 文件块的大小（用于迭代）
skip_footer | 需要忽略的行数（从文件末尾处算起）
verbose | 打印各种解析器输出信息，比如“非数值列中缺失值的数量”等
encoding | 用于 unicode 的文本编码格式。例如，“utf-8” 表示用 UTF-8 编码的文本
squeeze | 如果数据经解析后仅含一列，则返回 Series
thousands | 千分位分隔符，如 , 或 .
【01x01】简单示例
首先创建一个 test1.csv 文件：
使用 read_csv 方法将其读出为一个 DataFrame 对象：
>>> import pandas as pd
>>> obj = pd.read_csv(r'C:\Users\TanRe\Desktop\test1.csv')
>>> obj
a b c d message
0 1 2 3 4 hello
1 5 6 7 8 world
2 9 10 11 12 python
>>>
>>> type(obj)
<class 'pandas.core.frame.DataFrame'>
前面的 csv 文件是以逗号分隔的，可以使用 read_table 方法并指定分隔符来读取：
>>> import pandas as pd
>>> obj = pd.read_table(r'C:\Users\TanRe\Desktop\test1.csv', sep=',')
>>> obj
a b c d message
0 1 2 3 4 hello
1 5 6 7 8 world
2 9 10 11 12 python
【01x02】header / names 定制列标签
以上示例中第一行为列标签，如果没有单独定义列标签，使用 read_csv 方法也会默认将第一行当作列标签：
>>> import pandas as pd
>>> obj = pd.read_csv(r'C:\Users\TanRe\Desktop\test2.csv')
>>> obj
1 2 3 4 hello
0 5 6 7 8 world
1 9 10 11 12 python
避免以上情况，可以设置 header=None ，Pandas 会为其自动分配列标签：
>>> import pandas as pd
>>> pd.read_csv(r'C:\Users\TanRe\Desktop\test2.csv', header=None)
0 1 2 3 4
0 1 2 3 4 hello
1 5 6 7 8 world
2 9 10 11 12 python
也可以使用 names 参数自定义列标签，传递的是一个列表：
>>> import pandas as pd
>>> pd.read_csv(r'C:\Users\TanRe\Desktop\test2.csv', names=['a', 'b', 'c', 'd', 'message'])
a b c d message
0 1 2 3 4 hello
1 5 6 7 8 world
2 9 10 11 12 python
【01x03】index_col 指定列为行索引
index_col 参数可以指定某一列作为 DataFrame 的行索引，传递的参数是列名称，在以下示例中，会将列名为 message
的列作为 DataFrame 的行索引：
>>> pd.read_csv(r'C:\Users\TanRe\Desktop\test2.csv',
names=['a', 'b', 'c', 'd', 'message'],
index_col='message')
a b c d
message
hello 1 2 3 4
world 5 6 7 8
python 9 10 11 12
如果需要构造多层索引的 DataFrame 对象，则只需传入由列编号或列名组成的列表即可：
>>> import pandas as pd
>>> pd.read_csv(r'C:\Users\TanRe\Desktop\test3.csv', index_col=['key1', 'key2'])
value1 value2
key1 key2
one a 1 2
b 3 4
c 5 6
d 7 8
two a 9 10
b 11 12
c 13 14
d 15 16
【01x04】sep 指定分隔符
在 read_table 中，sep 参数用于接收分隔符，如果遇到不是用固定的分隔符去分隔字段的，也可以传递一个正则表达式作为 read_table
的分隔符，如下面的 txt 文件数据之间是由不同的空白字符间隔开的：
>>> import pandas as pd
>>> pd.read_table(r'C:\Users\TanRe\Desktop\test1.txt', sep='\s+')
A B C
aaa -0.264438 -1.026059 -0.619500
bbb 0.927272 0.302904 -0.032399
ccc -0.264273 -0.386314 -0.217601
ddd -0.871858 -0.348382 1.100491
【01x05】skiprows 忽略行
skiprows 参数可用于设置需要忽略的行数，或需要跳过的行号列表，在下面的示例中，读取文件时选择跳过第1、3、4行（索引值分别为0、2、3）：
>>> import pandas as pd
>>> pd.read_csv(r'C:\Users\TanRe\Desktop\test4.csv', skiprows=[0, 2, 3])
a b c d message
0 1 2 3 4 hello
1 5 6 7 8 world
2 9 10 11 12 python
【01x06】na_values 设置缺失值
当文件中出现了空字符串或者 NA 值，Pandas 会将其标记成 NaN（缺失值），同样也可以使用 isnull 方法来判断结果值是否为缺失值：
>>> import pandas as pd
>>> obj = pd.read_csv(r'C:\Users\TanRe\Desktop\test5.csv')
>>> obj
something a b c d message
0 one 1 2 3.0 4 NaN
1 two 5 6 NaN 8 world
2 three 9 10 11.0 12 python
>>>
>>> pd.isnull(obj)
something a b c d message
0 False False False False False True
1 False False False True False False
2 False False False False False False
na_values 方法可以传递一组值，将这组值设置为缺失值，如果传递的为字典对象，则字典的各值将被设置为 NaN：
>>> import pandas as pd
>>> obj1 = pd.read_csv(r'C:\Users\TanRe\Desktop\test5.csv')
>>> obj1
something a b c d message
0 one 1 2 3.0 4 NaN
1 two 5 6 NaN 8 world
2 three 9 10 11.0 12 python
>>>
>>> obj2 = pd.read_csv(r'C:\Users\TanRe\Desktop\test5.csv', na_values=['1', '12'])
>>> obj2
something a b c d message
0 one NaN 2 3.0 4.0 NaN
1 two 5.0 6 NaN 8.0 world
2 three 9.0 10 11.0 NaN python
>>>
>>> sentinels = {'message': ['python', 'world'], 'something': ['two']}
>>> obj3 = pd.read_csv(r'C:\Users\TanRe\Desktop\test5.csv', na_values=sentinels)
>>> obj3
something a b c d message
0 one 1 2 3.0 4 NaN
1 NaN 5 6 NaN 8 NaN
2 three 9 10 11.0 12 NaN
【01x07】nrows / chunksize 行与块
以下 test6.csv 文件中包含 50 行数据：
可以设置 pd.options.display.max_rows 来紧凑地显示指定行数的数据：
>>> import pandas as pd
>>> pd.options.display.max_rows = 10
>>> pd.read_csv(r'C:\Users\TanRe\Desktop\test6.csv')
one two three four key
0 0.467976 -0.038649 -0.295344 -1.824726 L
1 -0.358893 1.404453 0.704965 -0.200638 B
2 -0.501840 0.659254 -0.421691 -0.057688 G
3 0.204886 1.074134 1.388361 -0.982404 R
4 0.354628 -0.133116 0.283763 -0.837063 Q
.. ... ... ... ... ..
45 2.311896 -0.417070 -1.409599 -0.515821 L
46 -0.479893 -0.633419 0.745152 -0.646038 E
47 0.523331 0.787112 0.486066 1.093156 K
48 -0.362559 0.598894 -1.843201 0.887292 G
49 -0.096376 -1.012999 -0.657431 -0.573315 0
[50 rows x 5 columns]
通过 nrows 参数可以读取指定行数：
>>> import pandas as pd
>>> pd.read_csv(r'C:\Users\TanRe\Desktop\test6.csv', nrows=5)
one two three four key
0 0.467976 -0.038649 -0.295344 -1.824726 L
1 -0.358893 1.404453 0.704965 -0.200638 B
2 -0.501840 0.659254 -0.421691 -0.057688 G
3 0.204886 1.074134 1.388361 -0.982404 R
4 0.354628 -0.133116 0.283763 -0.837063 Q
要逐块读取文件，可以指定 chunksize（行数）：
>>> import pandas as pd
>>> chunker = pd.read_csv(r'C:\Users\TanRe\Desktop\test6.csv', chunksize=50)
>>> chunker
<pandas.io.parsers.TextFileReader object at 0x07A20D60>
返回的 TextParser 对象，可以根据 chunksize 对文件进行逐块迭代。以下示例中，对 test6.csv
文件数据进行迭代处理，将值计数聚合到 “key” 列中：
>>> import pandas as pd
>>> chunker = pd.read_csv(r'C:\Users\TanRe\Desktop\test6.csv', chunksize=50)
>>> tot = pd.Series([], dtype='float64')
>>> for piece in chunker:
tot = tot.add(piece['key'].value_counts(), fill_value=0)
>>> tot = tot.sort_values(ascending=False)
>>> tot[:10]
G 6.0
E 5.0
B 5.0
L 5.0
0 5.0
K 4.0
A 4.0
R 4.0
C 2.0
Q 2.0
dtype: float64
这里是一段防爬虫文本，请读者忽略。
本文原创首发于 CSDN，作者 TRHX。
博客首页：https://itrhx.blog.csdn.net/
本文链接：https://itrhx.blog.csdn.net/article/details/106963135
未经授权，禁止转载！恶意转载，后果自负！尊重原创，远离剽窃！
【02x00】写入数据
Pandas 提供了一些用于将表格型数据读取为 DataFrame 对象的函数。常见方法如下：
| 函数 | 描述 |
|---|---|
| to_csv | 将对象写入逗号分隔值（csv）文件 |
| to_clipboard | 将对象复制到系统剪贴板 |
| to_excel | 将对象写入 Excel 工作表 |
| to_hdf | 使用 HDFStore 将包含的数据写入 HDF5 文件 |
| to_html | 将 DataFrame 呈现为 HTML 表格 |
| to_json | 将对象转换为 JSON（ JavaScript Object Notation）字符串 |
| to_msgpack | 将对象写入二进制格式编码的文件（Pandas v1.0.0 中已删除对 msgpack 的支持，建议使用 [ pyarrow |
](https://pandas.pydata.org/docs/user_guide/io.html#io-msgpack) ）
to_pickle | Pickle（序列化）对象到文件
to_sql | 将存储在 DataFrame 中的数据写入 SQL 数据库
to_stata | 将 DataFrame 对象导出为 Stata 格式
to_feather | 将 DataFrames 写入 Feather 二进制格式文件
以下以 to_csv 为例，它的参数同样多达 50 多个，具体可参见官方文档：
- https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.to_csv.html
- https://pandas.pydata.org/docs/reference/api/pandas.Series.to_csv.html
【02x01】简单示例
以之前的 test5.csv 文件为例，先读出数据，再将数据写入另外的文件：
>>> import pandas as pd
>>> data = pd.read_csv(r'C:\Users\TanRe\Desktop\test5.csv')
>>> data
something a b c d message
0 one 1 2 3.0 4 NaN
1 two 5 6 NaN 8 world
2 three 9 10 11.0 12 python
>>>
>>> data.to_csv(r'C:\Users\TanRe\Desktop\out1.csv')
【02x02】sep 指定分隔符
sep 参数可用于其他分隔符：
>>> import pandas as pd
>>> data = pd.read_csv(r'C:\Users\TanRe\Desktop\test5.csv')
>>> data
something a b c d message
0 one 1 2 3.0 4 NaN
1 two 5 6 NaN 8 world
2 three 9 10 11.0 12 python
>>>
>>> data.to_csv(r'C:\Users\TanRe\Desktop\out2.csv', sep='|')
【02x03】na_rep 替换缺失值
na_rep 参数可将缺失值（NaN）替换成其他字符串：
>>> import pandas as pd
>>> data = pd.read_csv(r'C:\Users\TanRe\Desktop\test5.csv')
>>> data
something a b c d message
0 one 1 2 3.0 4 NaN
1 two 5 6 NaN 8 world
2 three 9 10 11.0 12 python
>>>
>>> data.to_csv(r'C:\Users\TanRe\Desktop\out3.csv', na_rep='X')
【02x04】index / header 行与列标签
设置 index=False , header=False ，可以禁用行标签与列标签：
>>> import pandas as pd
>>> data = pd.read_csv(r'C:\Users\TanRe\Desktop\test5.csv')
>>> data
something a b c d message
0 one 1 2 3.0 4 NaN
1 two 5 6 NaN 8 world
2 three 9 10 11.0 12 python
>>>
>>> data.to_csv(r'C:\Users\TanRe\Desktop\out4.csv', index=False, header=False)
还可以传入列表来重新设置列标签：
>>> import pandas as pd
>>> data = pd.read_csv(r'C:\Users\TanRe\Desktop\test5.csv')
>>> data
something a b c d message
0 one 1 2 3.0 4 NaN
1 two 5 6 NaN 8 world
2 three 9 10 11.0 12 python
>>>
>>> data.to_csv(r'C:\Users\TanRe\Desktop\out5.csv', header=['a', 'b', 'c', 'd', 'e', 'f'])
【02x05】columns 指定列
可以通过设置 columns 参数，只写入部分列，并按照指定顺序排序：
>>> import pandas as pd
>>> data = pd.read_csv(r'C:\Users\TanRe\Desktop\test5.csv')
>>> data
something a b c d message
0 one 1 2 3.0 4 NaN
1 two 5 6 NaN 8 world
2 three 9 10 11.0 12 python
>>>
>>> data.to_csv(r'C:\Users\TanRe\Desktop\out6.csv', columns=['c', 'b', 'a'])
这里是一段防爬虫文本，请读者忽略。
本文原创首发于 CSDN，作者 TRHX。
博客首页：https://itrhx.blog.csdn.net/
本文链接：https://itrhx.blog.csdn.net/article/details/106963135
未经授权，禁止转载！恶意转载，后果自负！尊重原创，远离剽窃！
