pandas dataframe dataframe.to-ag捕鱼王app官网

pandas dataframe dataframe.to_csv() 函数

作者:迹忆客 最近更新:2024/04/22 浏览次数:

python pandas dataframe.to_csv() 函数将一个 dataframe 的行和列所包含的值保存到一个 csv 文件中。我们也可以将 dataframe 转换为 csv 字符串。


pandas.dataframe.to_csv() 语法

dataframe.to_csv(
    path_or_buf=none,
    sep=",",
    na_rep="",
    float_format=none,
    columns=none,
    header=true,
    index=true,
    index_label=none,
    mode="w",
    encoding=none,
    compression="infer",
    quoting=none,
    quotechar='""',
    line_terminator=none,
    chunksize=none,
    date_format=none,
    doublequote=true,
    escapechar=none,
    decimal=".",
)

参数

这个函数有几个参数。上面提到了所有参数的默认值。

path_or_buf 它是一个字符串或文件句柄。它代表一个文件或一个文件对象的名称。如果它的值是 none,那么 dataframe 将被转换为 csv “string”。
sep 它是一 series 个字符串。它代表 csv 文件中使用的分隔符。
na_rep 它是一个字符串。它代表缺失的数据。
float_format 它是一个字符串。它表示浮点数的格式。
columns 它是一个 series。它表示将保存在 csv 文件中的 dataframe 的列。
header 它是一个布尔值或一个字符串列表。如果它的值被设置为 false,那么列名就不会保存在 csv 文件中。如果传递一个字符串列表,那么这些字符串将作为列名保存。
index 它是一个布尔值,如果它的值是 true,则保存行名,即索引。如果它的值为 true,那么行名即索引将被保存。
index_label 它是一个字符串或 series。它代表一个特定索引的列名。
mode 它是一个字符串。它代表进程的模式。由于我们正在将 dataframe 写入 csv 文件,它的值是 python 写入模式 w
encoding 它是一个字符串。它代表 csv 文件中要使用的编码方案,默认的编码方案是 utf-8。默认的编码方案是 utf-8
compression 它是一个字符串或字典。如果是字符串,则代表压缩模式。如果它是一个字典,那么 method 键对应的值代表压缩模式。它有几种压缩模式。你可以查看。
quoting 它代表一个 csv 模块的常量
quotechar 它是一个字符串,长度为 1。它的长度为 1,表示用于引用字段的字符。
line_terminator 它是一个字符串。它代表 csv 文件中新行的字符。
chunksize 它是一个整数。它表示每次要写入 csv 文件的行数。
date_format 它是一个字符串。它代表 datetime 对象的格式。
doublequote 它是一个布尔值。它控制 quotechar 的引用。
escapechar 它是一个字符串,长度为 1。它的长度为 1,代表用于转义的 sepquotechar 的字符。
decimal 它是一个字符串。它代表小数点的字符。

返回值

它返回 none 或字符串。如果 path_or_bufnone,那么它将 dataframe 转换为字符串并返回字符串。否则,它返回 none


示例代码:dataframe.to_csv()

在接下来的几个代码中,我们将以不同的方式实现这个函数。

import pandas as pd
dataframe=pd.dataframe({
                        'attendance': 
                            {0: 60, 
                            1: 100, 
                            2: 80,
                            3: 78,
                            4: 95},
                        'name': 
                            {0: 'olivia', 
                            1: 'john', 
                            2: 'laura',
                            3: 'ben',
                            4: 'kevin'},
                        'obtained marks': 
                            {0: 90, 
                            1: 75, 
                            2: 82, 
                            3: 64, 
                            4: 45}
                        })
print(dataframe)

示例 dataframe 是:

   attendance    name  obtained marks
0          60  olivia              90
1         100    john              75
2          80   laura              82
3          78     ben              64
4          95   kevin              45

这个函数的所有参数都是可选的。如果我们在执行这个函数时不传递任何参数,那么它将产生以下输出。

import pandas as pd
dataframe = pd.dataframe(
    {
        "attendance": {0: 60, 1: 100, 2: 80, 3: 78, 4: 95},
        "name": {0: "olivia", 1: "john", 2: "laura", 3: "ben", 4: "kevin"},
        "obtained marks": {0: 90, 1: 75, 2: 82, 3: 64, 4: 45},
    }
)
csvstring = dataframe.to_csv()
print(csvstring)

输出:

,attendance,name,obtained marks
0,60,olivia,90
1,100,john,75
2,80,laura,82
3,78,ben,64
4,95,kevin,45

该函数使用所有默认值生成了输出。它返回了一个 csv 字符串。现在我们将把数据保存在 csv 文件中。

import pandas as pd
dataframe = pd.dataframe(
    {
        "attendance": {0: 60, 1: 100, 2: 80, 3: 78, 4: 95},
        "name": {0: "olivia", 1: "john", 2: "laura", 3: "ben", 4: "kevin"},
        "obtained marks": {0: 90, 1: 75, 2: 82, 3: 64, 4: 45},
    }
)
returnvalue = dataframe.to_csv("myfile.csv")
print(returnvalue)

输出:

none

函数在保存程序的目录下创建了一个新的 csv 文件。


示例代码:dataframe.to_csv() 为 csv 数据指定分隔符

import pandas as pd
dataframe = pd.dataframe(
    {
        "attendance": {0: 60, 1: 100, 2: 80, 3: 78, 4: 95},
        "name": {0: "olivia", 1: "john", 2: "laura", 3: "ben", 4: "kevin"},
        "obtained marks": {0: 90, 1: 75, 2: 82, 3: 64, 4: 45},
    }
)
returnvalue = dataframe.to_csv(sep="@")
print(returnvalue)

输出:

@attendance@name@obtained marks
0@60@olivia@90
1@100@john@75
2@80@laura@82
3@78@ben@64
4@95@kevin@45

示例代码:dataframe.to_csv() 选择少数几列并重新命名列

import pandas as pd
dataframe = pd.dataframe(
    {
        "attendance": {0: 60, 1: 100, 2: 80, 3: 78, 4: 95},
        "name": {0: "olivia", 1: "john", 2: "laura", 3: "ben", 4: "kevin"},
        "obtained marks": {0: 90, 1: 75, 2: 82, 3: 64, 4: 45},
    }
)
returnvalue = dataframe.to_csv(
    "myfile.csv", columns=["name", "obtained marks"], header=["full name", "marks"]
)
print(returnvalue)

输出:

none

就像上面的代码一样,我们可以使用不同的参数来定制我们的 csv 文件。这个函数提供了几个参数来使用。

转载请发邮件至 1244347461@qq.com 进行申请,经作者同意之后,转载请以链接形式注明出处

本文地址:

相关文章

pandas read_csv()函数

发布时间:2024/04/24 浏览次数:254 分类:python

pandas read_csv()函数将指定的逗号分隔值(csv)文件读取到 dataframe 中。

pandas 追加数据到 csv 中

发布时间:2024/04/24 浏览次数:352 分类:python

本教程演示了如何在追加模式下使用 to_csv()向现有的 csv 文件添加数据。

pandas 多列合并

发布时间:2024/04/24 浏览次数:628 分类:python

本教程介绍了如何在 pandas 中使用 dataframe.merge()方法合并两个 dataframes。

pandas loc vs iloc

发布时间:2024/04/24 浏览次数:837 分类:python

本教程介绍了如何使用 python 中的 loc 和 iloc 从 pandas dataframe 中过滤数据。

扫一扫阅读全部技术教程

社交账号
  • https://www.github.com/onmpw
  • qq:1244347461

最新推荐

教程更新

热门标签

扫码一下
查看教程更方便
网站地图