相关参数
- path：路径，可以是相对路径也可以绝对路径。只填写文件名则为相对路径
- sep：分隔符，如果不写默认为 “,”。
- header：是否保留列名，0 为不保存，默认为 True。
- index：是否保留行索引，0 为不保存，默认为 True。
- columns：保留某列或者某些列数据。
- na_rep：替换空值，如果不写，默认是空。
- float_format：数据保存的格式，例：float_format=’ %.2f ’ 保留两位小数
a = np.array(range(0, 12)).reshape(3, 4)
b = np.array(range(0, 10))
print(a)
df = pd.Dataframe(a, index=list("ABC"), columns=list("WXYZ")) # Dataframe为二维数组
print(df)
df.to_csv('Result.csv', sep=";", na_rep="NA", header=0, index=0, columns=list('WZ'))
df.to_csv('Result3.csv', na_rep="NA", header=1, index=1, columns=['Z'])
df.to_csv('D:/PycharmProjects/untitled/数据分析/测试/Result2.csv')
print("------------------------------")
se = pd.Series(b, index=list("ABCDEFGHIG")) # Series为一维数组
print(se)
se.to_csv('reason.csv')
输出： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] W X Y Z A 0 1 2 3 B 4 5 6 7 C 8 9 10 11 ------------------------------ A 0 B 1 C 2 D 3 E 4 F 5 G 6 H 7 I 8 G 9 dtype: int32
相应的Dataframe和Series还有：
- df.to_excel 写入到 excel 文件
- df.to_json 写入到 json 文件
- df.to_html 写入到 html 文件
- pd.read_csv 读取 csv 文件
- pd.read_html 读取 html 文件
- pd.read_excel 读取 excel 文件
- pd.read_json 读取 json 文件
data = "D:/PycharmProjects/untitled/数据分析/data.csv" np_data= np.loadtxt(data, dtype="float", delimiter="/", skiprows=1, usecols=[0, 1])
上面的代码中已经写有Numpy转换数组的格式了，下面直接讲解pandas转Numpy数组
# Dataframe转Numpy数组
df = pd.Dataframe(np.arange(12).reshape(3, 4))
# df.as_matrix() # 此方法已经淘汰
arr = df.values
print(df)
print("--------------------------")
print(arr)
输出：
0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
--------------------------
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
同理：Series转数组也可以通过values实现。
# Series转Numpy数组
data = [['A', 10],
['B', 11]]
result = pd.Dataframe(data, columns=['fla', 'val'])
arr2 = result['val'].values
print(data)
print(result)
print(arr2)
print("--------------------------")
data2 = pd.Series([1, 2, 3])
arr3 = data2.values
print(arr3)
输出： [['A', 10], ['B', 11]] fla val 0 A 10 1 B 11 [10 11] -------------------------- [1 2 3]
