導(dǎo)讀

數(shù)據(jù)導(dǎo)入是數(shù)據(jù)處理、分析的第一步，Pandas提供非常多的方法，對不同格式、不同來源的數(shù)據(jù)進(jìn)行導(dǎo)入和導(dǎo)出操作。

Pandas對以下數(shù)據(jù)源導(dǎo)入/導(dǎo)出方法列表：

Pandas還有很多數(shù)據(jù)導(dǎo)入/導(dǎo)出方法，不是特別常用，就沒有列舉

比較常用的：

• 對CSV文件的讀寫：read_csv\to_csv
• 對excel文件的讀寫：read_excel\to_excel

Pandas數(shù)據(jù)導(dǎo)入方法參數(shù)比較多，容錯性，識別能力較好：

• 支持類型推斷和數(shù)據(jù)轉(zhuǎn)換
• 支持用戶自定義的值轉(zhuǎn)換，自定義的缺失值
• 支持時間日期識別，自動解析
• 支持對大型文件的分塊迭代
• 清理數(shù)據(jù)功能：跳過行、頁腳、注釋以及其他次要數(shù)據(jù)
• 識別數(shù)字千位符號

使用read_csv/to_csv方法，對csv格式數(shù)據(jù)文件進(jìn)行導(dǎo)入/導(dǎo)出操作

• pd.read_csv方法，數(shù)據(jù)導(dǎo)入

read_csv方法一些參數(shù)說明：

1. path 文件路徑
2. sep/delimiter 指定分隔符
3. header 指定哪行作為列名，默認(rèn)為0，如果文件中沒有列名，可設(shè)置為None
4. index_col 指定那列作為行索引的列編號或者列名
5. names 指定列名列表
6. skiprows 忽略跳過的行數(shù)、行號列表
7. na_values 替代缺失值的列表
8. comment 在行結(jié)尾處分隔注釋的字符
9. parse_dates 嘗試將數(shù)據(jù)解析為datetime，默認(rèn)是False，如果是True，將嘗試解析所有列，也可以指定列號列名列表進(jìn)行解析
10. converters 列名稱跟函數(shù)映射的字典
11. dayfirst 解析費明確日期時，按照國際格式處理，默認(rèn)是False
12. date_parser 指定用于解析日期的函數(shù)
13. nrows 從文件開頭處讀入的行數(shù)
14. skip_footer 忽略文件尾部的行數(shù)
15. encoding 指定文件編碼
16. thousands 指定千分位分隔符

• pd.to_csv方法，數(shù)據(jù)導(dǎo)出

參數(shù)說明：

1. 指定輸出文件名
2. sep：用’,’分隔
3. header：是否帶頭部信息
4. index：是否帶行號

使用read_excel/to_excel方法，對Excel文件進(jìn)行導(dǎo)入/導(dǎo)出操作

最后