一. 文件的讀取

csv類型讀取

命令：pd.read_csv()
常用參數：

• path
  文件路徑，可以是網絡數據

• encoding
  指定編碼。
  pd.read_csv('example.csv', encoding='gb2312')

• sep
  指定行中各字段的分隔符，使用read_csv()時，默認就是逗號。

• header
  指定哪一行作為列索引，默認是0，即第一行。
  當你指定None時，pandas會默認給出數字索引。
  需要注意的是，如果指定了非第一行，那么你所指定的這一行之前的數據將被忽略
  pd.read_csv('example.csv', header=None, encoding='gb2312')

• index_col
  指定哪一列作為行索引，pandas默認的行索引是從0開始一直向下遞增，但是可以指定某一列作為行的索引，這里的指定可以是數字形式，也可以具體給出列的名稱。

  pd.read_csv('example.csv', index_col=0)  # 指定第0列
  pd.read_csv('example.csv', index_col='company')  # 指定'company'列作為索引
  

• names
  自己添加列索引，是一個列表形式。
  pd.read_csv('example.csv', names=['公司','職位', '薪資', '地點'])
  如果原始數據已經帶有索引，而你想要重新自定義一個索引，可以添加一個header=0參數， 意思就是使用names這個新的索引，代替原來的索引。

• parse_dates
  將某一列轉換成日期格式

• skiprows
  指定忽略的行數或者需要跳過的行號。
  如果是一個數字，則第0行開始，忽略前面的那些行，如果是一個列表，則會忽略具體的某些行。

• na_values
  如果na_values后面跟一個列表，列表中出現的數據將會變成NaN。
  如果na_values后面跟一個字典，字典的鍵是列名，值是你想變成Nan的數據。

• comment
  將注釋信息從行尾拆分出去的字符。（一個或多個）

• nrows
  讀取的行數。（從文件開始處算起）

• thousands
  指定千位分隔符，如','。

• chunksize
  文件塊的大小，在逐塊讀取文件時使用
  pd.read_csv('example.csv', chunksize=10)

• iterator
  返回一個TextParser以便逐塊讀取文件。

excel類型讀取

命令：pd.read_excel()
參數：

• sheet_name
  指定excel的工作表

• converters
  將單元格進行轉換，可以使用函數。

csv類型寫入

命令：df.to_csv()
參數：

• index
  默認情況下，會將index索引一起寫入，但是可以指定參數，index=False來取消寫入索引。

• header
  指定為False將不會寫入columns索引

• columns
  可以用columns=[]來指定寫入的列。

excel類型寫入

命令：pd.to_excel()
參數：

• sheet_name
  指定excel的工作表

• index
  為False時，則不寫入index索引

• startrow
  指定從excel的第幾行開始，這里指的是excel工作表第幾行，而不是我們的df數據。比如，startrow=1，那么打開excel你會發現，開始的行是2。

• startcol
  同上，這里是列，比如startcol=1，那么excel將會從B列開始寫。

• 將兩個DataFrame寫入同一個excel文件的兩個不同的sheet，方法如下

with pd.ExcelWriter('Excelname.xlsx') as writer:
    df1.to_excel(writer, sheet_name='sheet1')
    df2.to_excel(writer, sheet_name='sheet2')