IO Tools (Text, CSV, HDF5, …)

读取

读取csv

pd.read_csv(path,seq=”,”,header=0,index_col=null,names=None,encoding,parse_dates)

行列设置

header : int or list of ints, default ‘infer’
指定第几行为表头，例如header=-1，所读数据没有表头；header=1，并把第2行当成表头。
names : array-like, default None
指定列名
index_col : int or sequence or False, default None
制定某一列为索引。

数据格式设置

dtype : Type name or dict of column -> type, default None
设置列的数据类型. E.g. {‘a’: np.float64, ‘b’: np.int32}
parse_dates : boolean or list of ints or names or list of lists or dict, default False.
1. If True -> try parsing the index.
2. If [1, 2, 3] -> try parsing columns 1, 2, 3 each as a separate date column.
3. If [[1, 3]] -> combine columns 1 and 3 and parse as a single date column.
4. If {‘foo’ : [1, 3]} -> parse columns 1, 3 as date and call result ‘foo’. A fast-path exists for iso8601-formatted dates.
设置时间

设置读取数据范围

skiprows : list-like or integer, default None
跳过指定的行(0-indexed)或者从开始跳过列(int)
skipfooter : int, default 0
跳过最后的几行
nrows : int, default None
读文件的多少行,对于大文件效率很高.

设置读取数据字符集

encoding : str, default None
设置读取时候的字符集

encoding设定读取的字符集，这个要和文本的编码保持一致

读取txt（制表符格式文件）

读取excel

pandas.read_excel(io, sheetname=0, header=0, skiprows=None, skip_footer=0, index_col=None, na_values=None, dtype=None,**kwds)
io:excel文件路径,注意2003和2007的后缀
sheetname:表的名字
header:表头行数
skiprows:
skep_footer=0
index_col:设置索引列
na_values:设置缺省值
stype:设置行数据类型

保存

保存csv

pd.to_csv(path,seq=”,”,header=True,index=True,encoding)

保存txt

保存excel

DataFrame.to_excel(excel_writer, sheet_name=’Sheet1’,columns=None, header=True, index=True, startrow=0, startcol=0, engine=None, encoding=None)
excel_writer:路径
sheet_name:表名
columns:设置列排序
header=True:是否显示表头
index=True:是否显示索引
startrow=0:开始行
startcol=0:开始列
engine=None:保存引擎,xls/xlsx
encoding=None:编码

http://pandas.pydata.org/pandas-docs/stable/io.html

Pandas 读写数据相关推荐

pandas读写结构化数据（read_csv,read_table, read_excel, read_html, read_sql）
pandas读写结构化数据(read_csv,read_table, read_excel, read_html, read_sql) 如果你不知道pandas目前提供的读取数据的API或者自己在当前 ...
数据分析从零开始实战，Pandas读写Excel/XML数据
点击查看第一篇文章: 数据分析从零开始实战,Pandas读取HTML页面+数据处理解析_ 数据分析从零开始到实战,Pandas读写CSV数据_ 数据分析从零开始到实战,Pandas读写CSV数据 ...
python多进程爬虫保存数据_Python多进程爬虫东方财富盘口异动数据+Python读写Mysql与Pandas读写Mysql效率对比...
先上个图看下网页版数据.mysql结构化数据通过Python读写mysql执行时间为:1477s,而通过Pandas读写mysql执行时间为:47s,方法2速度几乎是方法1的30倍.在于IO读写上, ...
python处理多个excel数据_python 数据分析基础 day8－pandas读写多个excel文件
今天是读<python数据分析基础>的第8天,今天的读书笔记的内容为利用pandas读写多个excel文件,当中涉及到读写excel文件的多个工作表. 大致原理如下: glob.glob( ...
用python的pandas打开csv文件_python读写数据读写csv文件(pandas用法)
python中数据处理是比较方便的,经常用的就是读写文件,提取数据等,本博客主要介绍其中的一些用法.Pandas是一个强大的分析结构化数据的工具集;它的使用基础是Numpy(提供高性能的矩阵运算);用 ...
pandas读写MySQL数据库详解及实战
pandas读写MySQL数据库详解及实战 SQLAlchemy是Python中最有名的ORM工具. 关于ORM: 全称Object Relational Mapping(对象关系映射). 特点是操纵 ...
python pandas读取excel-Python使用Pandas读写Excel实例解析
这篇文章主要介绍了Python使用Pandas读写Excel实例解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 Pandas是python的一个 ...
Pandas简明教程：七、Pandas缺失数据的处理（数据清洗基础）
文章目录 1.缺失数据的类型 2.定位缺失数据 3.修改定位数据 4.批量修改缺失数据 5.数据修复的利器--插值法(`interpolate`) 本系列教程教程完整目录: 数据清洗的内容其实很丰富, ...
python 数据分析－读写数据csv、xlsx文件
1.读写csv文件可以使用基础python实现,或者使用csv模块.pandas模块实现. 基础python读写csv文件读写单个CSV 以下为通过基础python读取CSV文件的代码,请注意,若字 ...

Pandas 读写数据

读取