pandas —— pd.read_csv 与df.to

对 DataFrame 对象迭代得到的是其各个属性列的列名，自然为 list 类型；

0. read_csv 与 df.to_csv

df.to_csv
- na_rep=‘NA’：缺失值替换为NA
- header=1/0：是否保存表头；
- index=1/0：是否保存行的索引；

1. 从文件读取数据返回 data frame

<a href=“https://www.cnblogs.com/datablog/p/6127000.html”, target="_blank">pandas.read_csv参数详解

read_csv，read_excel

df = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/''breast-cancer-wisconsin/wdbc.data', header=None)# df: data frame# type(df): <class 'pandas.core.frame.DataFrame'>

header：表头，默认不为空（为 0，也即将第一行视为表头）。如果我们要读取的文件，直接就是数据，没有所谓的表头。就需指定 header=None，否则将以文件的第一行作为 df.columns。指定 header=None，df.columns 返回的是列索引，如一个三列的数据：
```
Int64Index([0, 1, 2], dtype='int64')
```
index_col：认定原始 csv 文件的第几列（从0开始计数）为索引列（也即从1开始编号，表示每一行样本的编号）
- 一般会指定 index_col=0，表示第0列为索引列
- index_col 指定的列将不会作为 DataFrame 的一列进行返回；
parse_datas：指明日期列，为字符串构成的 list；
thousands : str, default None，千分位分割符，如“，”或者“."

2. pandas 基本数据结构：Series 与 DataFrame

from pandas import Series, DataFrame

Series 最重要的一个功能在于：它在算术运算中会自动对齐不同索引的数据；

X, y = df.values[:, 2:], df.values[:, 1]# df.values 的类型为 numpy.ndarray
# 也可以
X, y = df.loc[:, 2:].values, df.loc[:, 1].values

3. dataframe 与 numpy 下的多维数组的转换

dataframe ⇒ numpy.ndarray

df.ax_matrix()
df.values

4. 基本成员函数

df.dtypes：会按列给出各个列的数据类型；
df.columns，获取列名，可直接通过.的形式进行索引；

比如一个 df.columns 的返回值为：
```
Index([u'dt', u'kind', u'value'], dtype='object')
```
可直接索引的含义在于，使用 df.dt 或者 df.kind 或者 df.value 进行索引，获取某列的全部值（注，pandas 的特点，以列进行索引和修改）。同时索引多个列以构成一个新的表格，
```
df[['dt', 'value']]            # 这样得到的仍然是 dataframe
```
支持[]的索引方式，但关键字必须是 list 的形式（['dt', 'value']），而不可以是 tuple

df.assign()：指定新的列（如果列名已存在，则替换；如果不存在，在添加该列），返回一个新的 DataFrame，不对原始的 DataFrame 进行修改；

当然其也可以接收一个 lambda 型的函数对象，该函数对象接收的参数则是原始的 dataframe；

# 接收 lambda 型函数对象，
>> df = DataFrame({'A':range(1, 6), 'B':np.random.randn(5)})
>> df.assign(ln_A=lambda x: np.log(x.A))A         B      ln_A
0   1  0.456539  0.000000
1   2  1.022736  0.693147
2   3 -0.158207  1.098612
3   4  0.951304  1.386294
4   5 -1.024661  1.609438# 此时 df 本身并未发生任何改变；
>> df.assign(A = range(21, 26))A         B
0  21  0.456539
1  22  1.022736
2  23 -0.158207
3  24  0.951304
4  25 -1.024661

<a href=“http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.assign.html”, target="_blank">pandas.DataFrame.assign

set_index()：将某列设置为索引列；

pandas —— pd.read_csv 与df.to_csv相关推荐

pandas —— pd read csv 与df to csv
对 DataFrame 对象迭代得到的是其各个属性列的列名,自然为 list 类型: 0. read_csv 与 df.to_csv df.to_csv na_rep='NA':缺失值替换为NA he ...
pandas系列 read_csv 与 to_csv 方法各参数详解（全，中文版）
* 由于在做数据处理,数据分析的时候,免不了读取数据或者将数据转换为相应的处理形式,那么,pandas的read_csv和to_csv,就能给我们很大的帮助,接下来,博主,将 read_csv 和 t ...
pandas使用read_csv读取数据使用skiprows参数跳过指定的数据行但保留表头、pandas使用to_csv函数将dataframe保存为gzip压缩文件
pandas使用read_csv读取数据使用skiprows参数跳过指定的数据行但保留表头.pandas使用to_csv函数将dataframe保存为gzip压缩文件目录
例子解释，pandas的pd.read_csv函数，quoting = 3是什么意思
问题 pandas的pd.read_csv函数,quoting = 3是什么意思? 新建一个test.txt文件,内容如下: 哈哈 haha "haha" "哈哈&quo ...
关于pd.read_csv() 读数据的注意事项
关于pd.read_csv() 读数据的注意事项实验数据:adult.data 编译环境:pycharm 代码编写:Sublime Text3 ① import pandas as pd#加载数据 ...
pd.read_csv读取txt时整型变成浮点型问题解决
https://zhuanlan.zhihu.com/p/27440031 pandas中读取csv文件通常使用pd.read_csv()函数,正常情况下给出文件路径即可读取数据,不过在某些特殊情况下 ...
pandas中read_csv的缺失值处理方式
今天遇到的问题是,要将一份csv数据读入dataframe,但某些列中含有NA值.对于这些列来说,NA应该作为一个有意义的level,而不是缺失值,但read_csv函数会自动将类似的缺失值理解为缺失 ...
python：pandas之read_csv
导入必要的包 import pandas as pd import numpy as np from pandas.api.types import CategoricalDtype from io ...
数据分析与预测（二）——pandas 函数read_csv解析
一. 前言使用pandas做数据处理的第一步就是读取数据,数据源可以来自于各种地方,csv文件便是其中之一.而读取csv文件,pandas也提供了非常强力的支持,参数有四五十个.这些参数中,有的 ...

pandas —— pd.read_csv 与df.to_csv