python⽤pd.read_csv（）⽅法来读取csv⽂件，⽤DataFrame对象.t。。。
csv⽂件是⼀种⽤，和换⾏符区分数据记录和字段的⼀种⽂件结构，可以⽤excel表格编辑，也可以⽤记事本编辑，是⼀种类excel的数据存储⽂件，也可以看成是⼀种数据库.
⼀、⽤DataFrame对象.to_csv()⽅法来保存数据成csv⽂件
DataFrame 数据的保存和读取：
<_csv 写⼊到 csv ⽂件
<_json 写⼊到 json ⽂件
<_html 写⼊到 html ⽂件
<_excel 写⼊到 excel ⽂件
<_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=None, quoting=None, quotechar='"',
line_terminator='\n', chunksize=None, tupleize_cols=None, date_format=None, doublequote=True,
escapechar=None, decimal='.')
参数：
path_or_buf : ⽂件路径，如果没有指定则将会直接返回字符串的 json
sep : 输出⽂件的字段分隔符，默认为 “,”
na_rep : ⽤于替换空数据的字符串，默认为’’
float_format : 设置浮点数的格式（⼏位⼩数点）
columns : 要写的列
header : 是否保存列名，默认为 True ，保存
index : 是否保存索引，默认为 True ，保存
index_label : 索引的列标签名
⼆、pd.read_csv()⽅法来读取csv⽂件
pandas提供了pd.read_csv()⽅法可以读取其中的数据并且转换成DataFrame数据帧。python的强⼤之处就在于他可以把不同的数据库类型，⽐如txt/csv/.xls/.sql转换成统⼀的DataFrame格式然后进⾏统⼀的处理。真是做到了标准化。我们可以⽤以下代码来演⽰csv⽂件的读取操作。
import pandas as pd
data1 = pd.read_csv('rating.csv')
print(data1)
print("************取消第⼀⾏作为表头*************")
data2 = pd.read_csv('rating.csv',header=None)
print(data2)
print("************为各个字段取名**************")
data3 = pd.read_csv('rating.csv',names=['user_id','book_id','rating']) print(data3)
print("***********将某⼀字段设为索引***************")
data3 = pd.read_csv('rating.csv',
names=['user_id','book_id','rating'],
index_col ="user_id")
print(data3)
print("************⽤sep参数设置分隔符**************")
data4 = pd.read_csv('rating.csv',
names=['user_id','book_id','rating'],
sep=',')
print(data4)
print("************⾃动补全缺失数据为NaN**************")
data5 = pd.read_csv('data.csv',header=None)
print(data5)
输出结果如下：
12585
0240814
122605
2292965
3223183
42264
523153
62334
723015
************取消第⼀⾏作为表头*************
012
012585
1240814
222605
3292965
4223183
52264
623153
72334
823015
************为各个字段取名**************
user_id  book_id  rating
python怎么读取json文件012585
1240814
222605
3292965
4223183
52264
623153
72334
823015
***********将某⼀字段设为索引***************
book_id  rating
user_id
12585
240814
22605
292965
223183
2264
23153
2334
23015
************⽤sep参数设置分隔符**************
user_id  book_id  rating
012585
1240814
222605
3292965
4223183
52264
623153
72334
823015
************⾃动补全缺失数据为NaN************** 01234
012.03  4.05
167.08  NaN  10
211  NaN  1314.015
[Finished in4.5s]
输出结果的具体解释参考代码中的注释。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。