Pandas怎么的IO操作？（Pandas的IO操作方法）
Pandas IO操作实例
读取文本文件的两个主要功能是read_csv()和read_table()。他们都使用相同的解析代码将表格数据智能地转换为DataFrame对象：
pandas.read_csv(filepath_or_buffer, sep=',', delimiter=None, header='infer', names=None, index_col=None, usecols=None
pandas.read_csv(filepath_or_buffer, sep='\t', delimiter=None, header='infer', names=None, index_col=None, usecols=None
将此数据另存为temp.csv并对其进行操作。
S.No,Name,Age,City,Salary 1,Tom,28,Toronto,20000 2,Lee,32,HongKong,3000 3,Steven,43,Bay Area,8300 4,Ram,38,Hyderabad,3900
read.csv
read.csv从csv文件读取数据并创建一个DataFrame对象。
示例
import pandas as pd
df=pd.read_csv("temp.csv")
print df运行结果如下：
S.No Name Age City Salary0 1 Tom 28 Toronto 200001 2 Lee 32 HongKong 30002 3 Steven 43 Bay Area 83003 4 Ram 38 Hyderabad 3900
自定义索引
这将在csv文件中指定一列，以使用index_col自定义索引。
示例
import pandas as pd
df=pd.read_csv("temp.csv",index_col=['S.No'])
print df运行结果如下：
S.No Name Age City Salary1 Tom 28 Toronto 200002 Lee 32 HongKong 30003 Steven 43 Bay Area 83004 Ram 38 Hyderabad 3900
转换器
列的dtype可以作为dict传递。
示例
import pandas as pd
df = pd.read_csv("temp.csv", dtype={'Salary': np.float64})
print df.dtypes运行结果如下：
S.No int64 Name objectAge int64 City objectSalary float64 dtype: object
默认情况下，Salary列的dtype为int，但结果将其显示为float，因为我们已明确转换了类型。因此，数据看起来像float。
Thus, the data looks like float −
S.No Name Age City Salary0 1 Tom 28 Toronto 20000.01 2 Lee 32 HongKong 3000.02 3 Steven 43 Bay Area 8300.03 4 Ram 38 Hyderabad 3900.0
标题名称
使用names参数指定标题的名称。
示例
import pandas as pd
df=pd.read_csv("temp.csv", names=['a', 'b', 'c','d','e'])
print df运行结果如下：
a b c d e0 S.No Name Age City Salary1 1 Tom 28 Toronto 200002 2 Lee 32 HongKong 30003 3 Steven 43 Bay Area 83004 4 Ram 38 Hyderabad 3900
请注意，标头名称后附加了自定义名称，但是文件中的标头尚未消除。现在，我们使用header参数将其删除。
如果标题不在第一行中，则将行号传递给标题。这将跳过前面的行。
示例
import pandas as pd
df=pd.read_csv("temp.csv",names=['a','b','c','d','e'],header=0)
print df运行结果如下：
a b c d e0 S.No Name Age City Salary1 1 Tom 28 Toronto 200002 2 Lee 32 HongKong 30003 3 Steven 43 Bay Area 83004 4 Ram 38 Hyderabad 3900
skiprows
skiprows跳过指定的行数。
示例
import pandas as pd
df=pd.read_csv("temp.csv", skiprows=2)
print df运行结果如下：
2 Lee 32 HongKong 30000 3 Steven 43 Bay Area 83001 4 Ram 38 Hyderabad 3900