讀與寫
pandas是基於NumPy的一種數據分析工具，在數據分析的任務中，我們首先需要對數據進行清洗和編輯等工作，pandas庫大大簡化了我們的工作量。
•pandas進行數據讀取
1 #絕對路徑查詢 2 import os
1 print(os.path.abspath("."))
/Users/yaozhilin
1 #導入pandas和numpy庫 2 import pandas as pd 3 import numpy as np
1 from pandas import Series,DataFrame
讀取常用的數據方法
~pd.read_csv 讀取csv文件
~pd.read_table 讀取txt文件
~pd.read_excel 讀取xls文件
其實這三種讀取方式都一致，我們以pd.read_excel為例
pd.read_excel(filepath,encoding,sep,header,names,usecols,index_col,skiprows,nrows……）
filepath：文件存儲路徑，可以用r""進行非轉義限定，路徑最好是純英文（文件名也是），不然會經常碰到編碼不對的問題，最方便是直接將文件存儲在pandas默認的路徑下，則直接輸入文件名即可
encoding:pandas默認編碼是utf-8，如果同樣讀取默認uft-8的txt或者json格式，則可以忽略這個參數，如果是csv，且數據中有中文時，則要指定encoding=‘gbk’
sep:指定分割符形式，CSV默認逗號分割，可以忽略這個參數，如果是其它分割方式，則要填寫
header: 指定第一行是否是列名，通常有三種用法，忽略或header=0(表示數據第一行為列名），header=None（表明數據沒有列名），常與names搭配使用
names: 指定列名，通常用一個字符串列表表示，當header=0時，用names可以替換掉第數據中的第一行作為列名，如果header=None，用names可以增加一行作為列名，如果沒有header參數時，用names會增加一行作為列名，原數據的第一行仍然保留
usecols:一個字符串列表，可以指定讀取的列名
index_col: 一個字符串列表，指定哪幾列作為索引
skiprows: 跳過多少行再讀取數據，通常是數據不太干凈，需要去除掉表頭才會用到
nrows: 僅讀取多少行，后面的處理也都僅限於讀取的這些行
以上參數並不都會用到，僅供參考，下面我們簡單的讀取一個文件：
1 test=pd.read_excel("/Users/yaozhilin/Downloads/數據.xls",sep="t") 2 test.head(5)#顯示前五行
columns重命名rename
1 test.rename(columns={"聯系人姓名":"姓名","聯系人頭銜":"職位"},inplace=True) 2 test.head(5)
•pandas進行數據寫出
寫入常用的數據方法
~data.to_csv 寫出csv文件
~data.to_table 寫出txt文件
~data.to_excel 寫出xls文件
data.to_excel (path_or_buf=None, sep=’, ’, columns=None, header=True, index=True, mode=‘w’, encoding=None)
path_or_buf :文件路徑
sep :分隔符，默認用","隔開
columns :選擇需要的列索引
header :boolean or list of string, default True,是否寫進列索引值
index:是否寫進行索引
mode:‘w’：重寫, ‘a’ 追加
寫出一個文件
1 test.to_excel("/Users/yaozhilin/Downloads/數據寫出.xls", encoding='gbk')
我們嘗試的讀取一下，看看是否寫出成功。
1 pd.read_excel("/Users/yaozhilin/Downloads/數據寫出.xls", encoding='gbk',nrows=5)#只讀5行
我們在讀寫文件時常常需要注意encoding="gbk"(中文防止亂碼）和分隔符sep=" "。
附：常用的讀寫參考表
