将熊猫出口到CSV的实践指南

了解如何将Pandas DataFrame导出到CSV文件是每个数据科学家工具包的重要技能。Pandas是一种基于Python的数据操作工具，流行的数据科学使用。数据专家使用DataFrame，常见的熊猫对象并表示一个表，合并，操作和分析表格数据。

在熊猫编码会议结束时，任何数据和进度都需要保存。最常见的方法是将数据帧写入CSV文件，CSV文件只不过是一个简单的文本文件。这是存储和交换表格数据的最常见和最简单的方法。CSV文件格式之所以如此，是因为它得到了其他应用程序的广泛支持，包括Excel、Open Office和Tableau。

将Dataframes导出到CSV的一些典型用例包括：

• 在计算机上保存表格数据
• 与他人共享表格数据
• 在应用程序之间交换表格数据

基本的熊猫数据帧导出到CSV文件

了解数据帧df。作为第一步，我们必须引进大熊猫图书馆以署方身分进口大熊猫。

以署方身分进口大熊猫

与pd.DataFrame ()我们可以创建一个简单的DataFrame对象。

df = pd。DataFrame(data = {"Name": ["Lionel Messi"， "Cristiano Ronaldo"， "Neymar Junior"， "Kylian Mbappe"， "Manuel Neuer"]， "Country":["阿根廷"，"葡萄牙"，"巴西"，"法国"，"德国"]，"Height_m": [1.70, 1.87, 1.75, 1.78, 1.93]}) df

数据帧是一个二维的标记数据结构。在我们的示例中，df有5行3列。每一行代表一个足球运动员，每一列包含有关球员的信息。左边的“column”不是“column”。它是数据帧的索引。索引对行进行标签。如果没有指定，数据帧有一个升序的RangeIndex。数据帧的顶部是列标题。

要将数据帧写入CSV文件，我们可以使用DataFrame方法to_csv（）。一个简单的例子是:

df.to_csv(“players.csv”)

这将创建CSV文件Players.csv.。打开文件时，我们可以看到如下结构:

，名称，国家/地区，高度_M 0，Lionel Messi，阿根廷，1.7 1，Cristiano Ronaldo，Portugal，1.87 2，Neyymar Junior，Brazil，1.75 3，Kylian Mbappe，France，1.78 4，Manuel Neuer，德国，1.93

CSV文件是一个分隔的文本文件，它使用逗号来分隔值。您仍然可以看到表格数据结构。每行文件是数据记录 - 足球播放器。每个记录由一个或多个值组成 - 播放器信息 - 用逗号分隔。

根据用例，我们可以自定义导出。方法to_csv（）提供几个选项(参数)来微调最终输出。

5种方法来定制熊猫到CSV

1. 定义文件名和位置

第一个也是最重要的参数是path_or_buf。在这里，您可以定义：

• 文件名(玩家)
• 文件类型(. csv)
• 文件保存的位置(在您的桌面上)

球员是一个合适的文件名。您可以选择一个不同的文件名。但不要使用任何空格(足球运动员）或特殊字符。如果您的文件名包含两个或多个单词，请使用下划线（football_players）。

使用CSV文件类型(. csv)，如未另行说明。或者，您可以使用。文本文件扩大。

保存在当前工作目录中

如果没有指定完整路径，Pandas会将文件保存在当前工作目录(CWD)中:

df.to_csv（path_or_buf =“players.csv”）

这节省了Players.csv.在你的cwd。请注意，您可以省略“path_or_buf =“。

在指定位置保存

CWD可能会有所不同，取决于您的系统和您的Python安装。因此，您可以通过添加完整文件路径来定义指定的位置。拯救Players.csv.在Windows桌面上，您将添加路径C:\Users\alex\desktop\来Players.csv.。

Windows上的完整文件名是：C：\用户\ Alex \ Desktop \ Players.csv

麦克斯和Linux上的完整文件名是：/用户/亚历克斯/桌面/ players.csv

请注意，Windows使用Backslash（“\”）而不是斜杠（“/”）。由于Backslash是Python中的特殊字符，因此使用以下代码将丢弃错误：

df.to_csv(“C: \用户桌面\ \ alex \ players.csv”)

解决这个问题有两种方法:

• 使用斜杠（“/”）：

df.to_csv(“C: /用户/亚历克斯/桌面/ players.csv”)

• 使用前缀r:

df.to_csv (r”弗格森C: \用户\ \电脑\ players.csv”)

在macOS和Linux上，最好的解决方案是:

df.to_csv（r“c：\ users \ alex \ desktop \ players.csv”）

2. 导出索引

的to_csv（）方法默认导出索引。可以通过添加来删除索引指数= False。

df.to_csv（“players.csv”，index = false）

让我们来看看CSV文件内部:

姓名，乡村梅西梅，阿根廷，1.7克里斯蒂亚诺·罗纳尔多，葡萄牙，1.87 Neymar Junior，Brazil，1.75 Kylian Mbappe，France，1.78 Manuel Neuer，德国，1.93

一个简单的规则：如果您的DataFrame具有默认RANAYINDEX，请不要导出索引，因为它不包含任何有价值的信息。如果您从CSV恢复数据集pd.read_csv ()，索引可能会在数据帧中列出两次。

您应该什么时候出口索引？在您在索引中具有重要信息的情况下。以下dataframe.股票包含微软(Microsoft)和苹果(Apple)的股价:

此DataFrame具有带日期信息的索引，这是一个DateTimeIndex.。在此示例中，您不应该丢弃索引。

Stocks.to_csv（“Stocks.csv”）

CSV文件stocks.csv仍包含DateTime信息：

日期，AAPL,MSFT 2005-04, 293.16178.84, 2005-05,297.56,180.76, 2005-06,300.63,182.54, 2005-07,303.74,183.60, 2005-08,310.13,184.68

3. 选择列

如果不指定,to_csv（）将DataFrame的所有列写入CSV。您可以选择一个或多个列并省略所有其他列。

创建列表（my_list)与您希望导出的列(例如名称和国家)。

my_list = ["Name"， "Country"]

通过my_list来列=

my_list = ["Name"， "Country"]

4. 导出列标题

的to_csv（）方法默认情况下将列标头(例如国家)写入CSV。可以通过添加来删除这些列标签头= False。

df.to_csv(…， header = False)

5. 所有其他选择要小心

还有14个额外参数可用于进一步定制导出to_csv（）。最好在此处使用默认设置。

在极少数情况下，替代设置可能是合适的。让我们考虑两个选项：

更改分隔符(不推荐)

在CSV文件中，值之间用逗号分隔。您可以更改分隔符并使用分号(";")代替。将所需的分隔符用引号传递给9月=。

df.to_csv（...，sep =“;”）

为丢失的数据定义替代表示(不推荐)

当写入数据帧到CSV时，缺失的数据用一个空字符串(" ")表示。你可以通过传递给它来定义一个替代表示(例如" None ")na_rep =.。

df.to_csv（...，na_rep =“none”）

数据科学家经常将Pandas DataFrames写入CSV。的to_csv（）方法提供了许多选项来自定义导出。如果要保存数据，直到下一个编码会话，请执行以下操作：

df.to_csv("file_name.csv"， index = False) # if df contains a RangeIndex df.to_csv("file_name.csv") # if df contains a RangeIndex df.to_csv("file_name.csv") # if df contains a RangeIndex

这允许您使用简单的代码重新移动数据转换为Pandas：

pd.read_csv（“file_name.csv”，......）

在所有其他情况下，您可以根据您的需求自定义导出。
现在你有了完成这个重要的熊猫任务的技能，你可以在its了解更多关于熊猫的知识文档或者开始一个Pandas Bootcamp.。