pandas的to_csv()使用方法

vvpvvp 發(fā)布于2019-07-30 16:52 / 4205人閱讀

摘要：首先查詢當(dāng)前的工作路徑獲取當(dāng)前工作路徑方法是類的方法，是的方法默認(rèn)是的一個(gè)實(shí)例，參數(shù)解釋如下路徑相對(duì)位置，保存在獲得的路徑下絕對(duì)位置分隔符使用分隔需要保存的數(shù)據(jù)，如果不寫(xiě)，默認(rèn)是替換空值確實(shí)值保存為，如果不寫(xiě)，默認(rèn)是空格式保留兩位小數(shù)是否保

1 .首先查詢當(dāng)前的工作路徑：

import os  
os.getcwd() #獲取當(dāng)前工作路徑

2 .方法：

to_csv()是DataFrame類的方法，read_csv()是pandas的方法

dt.to_csv() #默認(rèn)dt是DataFrame的一個(gè)實(shí)例，參數(shù)解釋如下

路徑 path_or_buf: A string path to the file to write or a StringIO

dt.to_csv("Result.csv") #相對(duì)位置，保存在getwcd()獲得的路徑下  
dt.to_csv("C:/Users/think/Desktop/Result.csv") #絕對(duì)位置

分隔符 sep : Field delimiter for the output file (default ”,”)

dt.to_csv("C:/Users/think/Desktop/Result.csv",sep="?")#使用?分隔需要保存的數(shù)據(jù)，如果不寫(xiě)，默認(rèn)是

替換空值 na_rep: A string representation of a missing value (default ‘’)

dt.to_csv("C:/Users/think/Desktop/Result1.csv",na_rep="NA") #確實(shí)值保存為NA，如果不寫(xiě)，默認(rèn)是空

格式 float_format: Format string for floating point numbers

dt.to_csv("C:/Users/think/Desktop/Result1.csv",float_format="%.2f") #保留兩位小數(shù)

是否保留某列數(shù)據(jù) cols: Columns to write (default None)

dt.to_csv("C:/Users/think/Desktop/Result.csv",columns=["name"]) #保存索引列和name列

是否保留列名 header: Whether to write out the column names (default True)

dt.to_csv("C:/Users/think/Desktop/Result.csv",header=0) #不保存列名

是否保留行索引 index: whether to write row (index) names (default True)

dt.to_csv("C:/Users/think/Desktop/Result1.csv",index=0) #不保存行索引

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/41876.html

相關(guān)文章

pandas使用

摘要：寫(xiě)這篇文章主要是想按照一定的邏輯順總結(jié)一下自己做項(xiàng)目以來(lái)序用到過(guò)的的知識(shí)點(diǎn)雖然官方文檔上各個(gè)方面都寫(xiě)的很清楚但是還是想自己再寫(xiě)一份一個(gè)是想作為個(gè)人梳理另外也可以把最經(jīng)常使用的部分拎出來(lái)更清晰一些不定時(shí)更新數(shù)據(jù)的讀數(shù)據(jù)其中是需要的語(yǔ)句是創(chuàng)建的寫(xiě)這篇文章,主要是想按照一定的邏輯順總結(jié)一下自己做項(xiàng)目以來(lái),序用到過(guò)的pandas的知識(shí)點(diǎn).雖然pandas官方文檔上各個(gè)方面都寫(xiě)的很清楚,但是還...

int64 2019-07-30 15:23 評(píng)論0 收藏0
如何使用pandas對(duì)超大csv文件進(jìn)行快速拆分詳解

　　小編寫(xiě)這篇文章的主要目的，主要是對(duì)pandas做一個(gè)較為詳細(xì)的一個(gè)解答，pandas其實(shí)就是一個(gè)數(shù)據(jù)模型庫(kù)，里面的內(nèi)容還是比較的多的，那么，怎么樣對(duì)海量的數(shù)據(jù)進(jìn)行處理呢？處理的內(nèi)容就是對(duì)超大的csv文件進(jìn)行快速拆分，下面就給大家舉例驗(yàn)證?！　∏把浴　”疚慕榻B如何利用pandas對(duì)超大CSV文件進(jìn)行快速拆分?！　?.操作步驟　　1.1安裝pandas　　pipinstallpandas　　1.2...

89542767 2022-11-15 13:18 評(píng)論0 收藏0
Kaggle案例——用python從進(jìn)網(wǎng)站到獲得評(píng)測(cè)結(jié)果

摘要：訓(xùn)練集是用來(lái)訓(xùn)練你的機(jī)器學(xué)習(xí)模型的。但機(jī)器學(xué)習(xí)，你也要教它一些事實(shí)，比如長(zhǎng)得像圖片的就是狗，長(zhǎng)得像圖片的就是貓。好了，這樣我們整體的一個(gè)機(jī)器學(xué)習(xí)的簡(jiǎn)單項(xiàng)目就完成，但我們還是要看一下效果。最近寫(xiě)了Kaggle的一個(gè)playground項(xiàng)目——預(yù)測(cè)科比投籃是否命中https://www.kaggle.com/c/kobe...，主要使用python的pandas和sklearn包。這里...

Crazy_Coder 2019-07-30 16:52 評(píng)論0 收藏0
Python數(shù)據(jù)分析入門之pandas總結(jié)基礎(chǔ)（二）

摘要：一大熊貓世界來(lái)去自如的老生常談，從基礎(chǔ)來(lái)看，我們?nèi)匀魂P(guān)心對(duì)于與外部數(shù)據(jù)是如何交互的。函數(shù)受限制問(wèn)題唯一重要的參數(shù)，標(biāo)志著一個(gè)的第個(gè)頁(yè)將會(huì)被取出。數(shù)據(jù)分析入門之總結(jié)基礎(chǔ)一歡迎來(lái)翔的博客查看完成版。一.大熊貓世界來(lái)去自如：Pandas的I/O 老生常談，從基礎(chǔ)來(lái)看，我們?nèi)匀魂P(guān)心pandas對(duì)于與外部數(shù)據(jù)是如何交互的。 1.1 結(jié)構(gòu)化數(shù)據(jù)輸入輸出 read_csv與to_csv 是?對(duì)...

verano 2019-07-24 18:20 評(píng)論0 收藏0
量化交易之股票數(shù)據(jù)的獲取——同花順軟件

摘要：將另存為格式時(shí)，文件將工作表中的單元格所顯示的文本和數(shù)值以逗號(hào)分離進(jìn)行保存。方法此處使用模塊的函數(shù)讀取文件，函數(shù)以字典形式返回，字典的鍵則是這個(gè)單元格的標(biāo)題即列頭，每一個(gè)單元格內(nèi)容放在字典的值內(nèi)。前言數(shù)據(jù)是進(jìn)行量化交易的基礎(chǔ)和關(guān)鍵，目前國(guó)內(nèi)做量化產(chǎn)品的金融機(jī)構(gòu)大部分是從券商獲取高頻實(shí)時(shí)行情數(shù)據(jù)的，另外很多金融網(wǎng)站也提供了數(shù)據(jù)接口，可以調(diào)用接口方式獲取，也可以用爬蟲(chóng)的方式獲取。文本講...

Chaz 2019-07-30 15:17 評(píng)論0 收藏0