系列文章目录

第1天：读入数据
第2天：read()、readline()与readlines()
第3天：进度条（tqdm模块）
第4天：命令行传参（argparse模块）
第5天：读、写json文件（load()、loads()、dump()、dumps()）
第6天：os模块、glob模块
第7天：pandas.DataFrame
第8天：DataFrame的三种数据处理基本操作（df.drop(), df.fillna(), df.drop_duplicates())
第9天：DataFrame的属性编码、数据合并和连接（get_dummies，merge，join，concat）
第10天：DataFrame的排序、排名和索引重置（sort，rank，index）

python数据分析学习第11天记录

系列文章目录
前言
一、今天所学的内容
二、知识点详解
- 2.1 pandas模块写入Excel的to_excel()操作
- 2.2 to_excel()常见参数解析
- - 2.2.1 sheet_name ：excel表名命名
  - 2.2.2 na_rep ：缺失值填充，可以设置为字符串
  - columns ：选择输出的的列存入
- 2.3 to_json()
- 2.4 to_csv()
总结

前言

上一篇写了DataFrame的属性编码、数据合并和连接，是不是还是挺复杂的呢。今天继续学习pandas模块下对数据处理的另外两种操作：

追加写入Excel
转化格式（比如dict）进行保存

一、今天所学的内容

今天仍旧是陶醉在pandas的魅力中无法自拔的模样。前面介绍了那么多种处理方法了，今天先收一下尾，教大家如何将自己目前处理好的DataFrame，比如如何写入Excel，或者转化成其他格式（比如json格式、dict格式等等），然后保存在文件里。

二、知识点详解

2.1 pandas模块写入Excel的to_excel()操作

将DataFrame写入Excel的方式最直接的是使用pandas提供的函数：to_excel()。

该函数的主要形式是：

DataFrame.to_excel(excel_writer, sheet_name='Sheet1', na_rep='',
float_format=None, columns=None, header=True, index=True, index_label=None,
startrow=0, startcol=0, engine=None, merge_cells=True, encoding=None,
inf_rep='inf', verbose=True, freeze_panes=None, storage_options=None)[source]

看着参数好多！如何使用该函数呢？

我们先开箱即用，举一个简单的例子吧：

import pandas as pd
# 前后呼应，这次就用最初的《让子弹飞》里的数据进行分析吧～
data = {'性别':['male','male','female','male'],'姓名':['汤师爷','县长','县长夫人','黄老爷'],'年龄':[40,35,25,44]}
df = pd.DataFrame(data,index=['one','two','three','four'],columns=['姓名','性别','年龄','职业'])
print(df)

先直观地看一下生成的DataFrame的样子：

欢迎汤师爷、县长、县长夫人和黄老爷回归撒花

Python数据分析【第11天】| DataFrame转化格式并保存（to_excel()，to_json()，to_csv()）相关推荐

python 数据分析day4 Pandas 之 DataFrame
DataFrame 一. 创建DataFrame 1. 二维数组创建 2. 字典创建 3. JSON创建 4. 读取Excel或CSV文件创建 5. 读数据库(MySQL)创建二. 常用属性三. ...
Python 数据分析第二期--简述数据集常用格式及操作
Python 数据分析第二期–简述数据常用格式及操作 1.常用格式的本地数据读取常用的数据分析文件格式有: csv,json,xls,xlsx,txt,xml,等 TXT txt文件由字 ...
Python数据分析——pandas数据结构（DataFrame）
一.pandas数据结构–DataFrame DataFrame 是表格型的数据结构,每列值的数据类型可以不同,也可以相同 DataFrame 常用于二维数据. DataFrame 的属性: valu ...
Python数据分析案例11——灰色预测法预测时间序列数据
本次案例来自2022华为杯第E题,第2小问.给定了2012.01-2022.03的土壤湿度的月度数据,需要预测2022.04-2023.12的土壤湿度的月度数据.典型的时间序列预测. 传统的时间序列预 ...
Python数据分析三剑客学习笔记Day3——pandas包的使用：认识series类型，DataFrame类型，读取excel表格数据及数据操作
本文是视频Python数据分析三剑客数学建模基础 numpy.pandas.matplotlib的学习笔记. -------------------------------------------- ...
Python 数据分析三剑客之 Pandas（一）：认识 Pandas 及其 Series、DataFrame 对象
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 ...
Python数据分析（二）：DataFrame基本操作
Dataframe操作总结参考:https://www.cnblogs.com/bethansy/p/8323763.html 一.查看数据(查看对象的方法对于Series来说同样适用) 1.查看Da ...
Python数据分析_第11课：logistic回归_笔记
文章目录逻辑回归案例1:银行贷款违约分析参数初始化建立随机逻辑回归模型,筛选变量建立逻辑回归模型非线性回归案例2 多项式模型对数模型指数模型幂函数模型画图 GitHub: htt ...
《Python数据分析与挖掘实战》第11章——应用系统负载分析与磁盘容量预测（时间序列）
文章目录 1.背景与目标分析 2.2 数据探索 2.1 查看数据信息 2.2 数据平稳性分析 3 数据预处理 3.1 数据清洗 3.2 数据变换--属性构造 4 模型构建 4.1 确定模型-- ARM ...

Python数据分析【第11天】| DataFrame转化格式并保存（to_excel()，to_json()，to_csv()）