©2020-2024 ioDraw All rights reserved
一、文本文件
文本文件，主要包括csv和txt两种等，相应接口为read_csv()和to_csv()，分别用于读写数据
1. read_csv()
格式代码：
pandas.read_csv(filepath_or_buffer, sep=', ', delimiter=None, header='infer',
names=None, index_col=None, usecols=None, squeeze=False, prefix=None,
mangle_dupe_cols=True, dtype=None, engine=None, converters=None,
true_values=None, false_values=None, skipinitialspace=False, skiprows=None,
nrows=None, na_values=None, keep_default_na=True, na_filter=True,
verbose=False, skip_blank_lines=True, parse_dates=False,
infer_datetime_format=False, keep_date_col=False, date_parser=None,
dayfirst=False, iterator=False, chunksize=None, compression='infer',
thousands=None, decimal=b'.', lineterminator=None, quotechar='"', quoting=0,
escapechar=None, comment=None, encoding=None, dialect=None, tupleize_cols=None,
error_bad_lines=True, warn_bad_lines=True, skipfooter=0, doublequote=True,
delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None）
常用参数：
filepath_or_buffer sep=','
（1）读取csv文件：
>>> import pandas as pd >>> >>> df = pd.read_csv(r"E:\Python学习\test.csv") >>>
print(df) name age 0 小红 10 1 小明 20 2 小白 30 >>> print(type(df)) <class
'pandas.core.frame.DataFrame'> >>> # 行和列 >>> print(df.shape) (3, 2) >>>
print(list(df.columns)) ['name', 'age']
（2）读取txt文件：
>>> df = pd.read_csv(r"E:\Python学习\test.txt") >>> print(df) 北京 0 上海 1 成都 2 深圳
3 广州 4 广东
skiprows
跳过前n行
>>> df = pd.read_csv(r"E:\Python学习\test.csv", skiprows=2) >>> print(df) 小明 20
0 小白 30
只读前几行
>>> df = pd.read_csv(r"E:\Python学习\test.csv", nrows =2) >>> print(df) name age
0 小红 10 1 小明 20
index_col
index_col = [‘col_1’,‘col_2’]：读取指定的几列。整数或者字符串或者整数/字符串列表。指定用作的行标签的列。
感觉有问题，和我想象中不同：
>>> df = pd.read_csv(r"E:\Python学习\test.csv", index_col =['name']) >>>
print(df) age name 小红 10 小明 20 小白 30 >>> df =
pd.read_csv(r"E:\Python学习\test.csv", index_col=1) >>> print(df) name age 10 小红
20 小明 30 小白
names = range(0,50)：表示以[0…49]为列索引的名字
不与 header=0 共同使用：
>>> df = pd.read_csv(r"E:\Python学习\test.csv", names=['姓名', '年龄']) >>>
print(df) 姓名 年龄 0 name age 1 小红 10 2 小明 20 3 小白 30
与 header=0 共同使用：
>>> df = pd.read_csv(r"E:\Python学习\test.csv", header=0, names=['姓名', '年龄'])
>>> print(df) 姓名 年龄 0 小红 10 1 小明 20 2 小白 30
2. to_csv()
格式代码：
pd.to_csv(path_or_buf,sep,na_rep,columns,header,index)
常用参数：
*
path_or_buf：str：放文件名、相对路径、文件流等。
*
sep：分隔符。与read_csv()中sep参数意思一样。
*
na_rep：将NaN转换为特定值。
*
columns：指定哪些列写进去。
*
header；默认header=0，如果没有表头，设置header=None。
*
index：关于索引的，默认True，写入索引。
（1）写入csv文件：
>>> import pandas as pd >>> >>> data = [{ 'A': 1, 'B': 2}, { 'A': 3, 'B': 4,
'C': 5}] >>> df = pd.DataFrame(data) >>> print(df) A B C 0 1 2 NaN 1 3 4 5.0
>>> print(type(df)) <class 'pandas.core.frame.DataFrame'> >>>
df.to_csv('test1.csv') >>>
可以看到生成了新文件：
我们读取看看：
>>> df1 = pd.read_csv(r"test1.csv", header=0, encoding="utf-8") >>> print(df1)
A B C 0 1 2 NaN 1 3 4 5.0
（2）写入txt文件：
>>> data = [{ 'A': 1, 'B': 2}, { 'A': 3, 'B': 4, 'C': 5}] >>> df =
pd.DataFrame(data) >>> df.to_csv('test1.txt')
生成新文件：
设置分隔符
>>> data = [{ 'A': 1, 'B': 2}, { 'A': 3, 'B': 4, 'C': 5}] >>> df =
pd.DataFrame(data) >>> df.to_csv('test2.csv', sep=';') # 设置;号为分割符
可以看到分隔符为分号：
na_rep：将NaN转换为特定值。
>>> data = [{ 'A': 1, 'B': 2}, { 'A': 3, 'B': 4, 'C': 5}] >>> df =
pd.DataFrame(data) >>> df.to_csv('test3.csv', na_rep='100') # 空值替换为100 >>> >>>
df1 = pd.read_csv('test3.csv') >>> print(df1) Unnamed: 0 A B C 0 0 1 2 100.0 1
1 3 4 5.0
columns
columns：指定哪些列写进去。
>>> data = [{ 'A': 1, 'B': 2}, { 'A': 3, 'B': 4, 'C': 5}] >>> df =
pd.DataFrame(data) >>> df.to_csv('test4.csv', columns=['A','B']) # 只写入A、B列 >>>
>>> df1 = pd.read_csv('test4.csv') >>> print(df1) Unnamed: 0 A B 0 0 1 2 1 1 3 4
header
header；默认header=0，如果没有表头，设置header=None。
>>> data = [{ 'A': 1, 'B': 2}, { 'A': 3, 'B': 4, 'C': 5}] >>> df =
pd.DataFrame(data) >>> df.to_csv('test5.csv', header=None) >>> >>> df1 =
pd.read_csv('test5.csv') >>> print(df1) 0 1 2 Unnamed: 3 0 1 3 4 5.0
index：关于索引的，默认True，写入索引
不保留索引：
>>> data = [{ 'A': 1, 'B': 2}, { 'A': 3, 'B': 4, 'C': 5}] >>> df =
pd.DataFrame(data) >>> df.to_csv('test6.csv', index=False) >>> >>> df1 =
pd.read_csv('test6.csv') >>> print(df1) A B C 0 1 2 NaN 1 3 4 5.0
到此结束啦，感谢大家的支持~