如何导出熊猫到CSV

知道如何将Pandas DataFrames导出到CSV文件是每个数据科学家的工具包中的一项基本技能。Pandas是一个基于python的数据操作工具，在数据科学领域很受欢迎。数据专家使用DataFrames(一个常见的Pandas对象，表示一个表)来合并、操作和分析表格数据。

在Pandas编码会话结束时，需要保存任何数据和进度。这样做的最常见方法是将Dataframe写入CSV文件，这是一个简单的文本文件。它是存储和交换表格数据的最常见和最简单的方法。CSV文件格式是因为它被其他应用程序广泛支持，包括Excel，Open Office和Tableau。

将dataframe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

将Pandas DataFrames导出到CSV文件的基础知识

要理解DataFrame DF。作为第一步，我们必须使用熊猫库进口熊猫作为PD．

进口熊猫作为PD

和pd.dataframe（）可以创建一个简单的DataFrame对象。

df = pd.dataframe（Data = {“名称”：[“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

dataframe是二维标记数据结构。在我们的示例中，DF有五行和三列。每一行代表一个足球播放器，每列包含有关玩家的信息。左侧的“列”不是列。这是Dataframe的索引。索引标记行。如果未指定，则DataFrame具有带升序整数的RangeIndex。在dataframe的顶部是列标题。

要将DataFrame写入CSV文件，我们可以使用DataFrame方法to_csv ()．一个直接的例子是：

df.to_csv（“players.csv”）

这会创建CSV文件Players.csv.．打开文件时，我们可以看到以下结构：

，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文件是使用逗号分隔值的带分隔符的文本文件。您仍然可以看到表格式的数据结构。文件的每一行都是一个数据记录——足球运动员。每条记录由一个或多个值-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 ()提供多个选项（参数）以微调最终输出。

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.．这里你可以定义:

• 文件名（球员）
• 文件类型(.csv.）
• 保存文件的位置（在您的桌面上）

玩家是一个适当的文件名。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（足球运动员)．

使用csv filetype（.csv.）如果没有另有指定。或者，您可以使用的是您可以通过使用来写入TXT文件. txt延期。

保存在当前工作目录中

如果您未指定具有完整路径的位置，Pandas将保存当前工作目录（CWD）中的文件：

df。到_csv(path_or_buf = "players.csv")

这节省了Players.csv.你的鹿。注意，你可以省略"path_or_buf =.”。

保存在指定的位置

CWD可能不同，取决于您的系统和Python安装。因此，您可以通过添加完整的文件路径来定义指定的位置。为了节省Players.csv.在Windows桌面上，您将添加路径C：\用户\ Alex \ Desktop \到Players.csv.．

Windows上的完整文件名是:C:\Users\alex\desktop\ players.csv

麦克斯和Linux上的完整文件名是：/users/alex/desktop/players.csv.

请注意，Windows使用反斜杠(" \ ")而不是斜杠(" / ")。由于反斜杠在Python中是一个特殊字符，使用以下代码将导致错误:

df.to_csv（“C：\用户\ Alex \ Desktop \ Players.csv”）

如何解决此问题有两种方法：

• 使用斜杠（“/”）：

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

• 使用前缀R：

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

在MacOS和Linux上，单一最佳解决方案是：

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

2. 出口指数

这to_csv ()方法默认导出索引。您可以通过添加来删除索引index = false.．

df.to_csv("players.csv"， index = False)

让我们在CSV文件中查看：

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:如果你的DataFrame有一个默认的RangeIndex，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重新导入数据集pd.read_csv（），可以在DataFrame中列出索引。

什么时候导出索引?在索引中有重要信息时。以下DataFrame股票包含微软（MSFT）和Apple（AAPL）的股票价格：

这个DataFrame有一个带有datetime信息的索引DatetimeIndex．在本例中，不应该删除索引。

stocks.to_csv(“stocks.csv”)

CSV文件Stocks.csv.仍然包含日期时间信息:

日期，AAPL，MSFT 2020-05-04,293.16,178.84 2020-05-05,297.56,180.76 2020-05-06,76 2020-05-06,300.63,182.54 2020-05-07,303.74,183.60 2020-05-08,31013,184.68

3. 选择列

如果未指定，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（我的清单）与您希望出口的列（例如，姓名和国家）。

my_list = [“名称”，“国家”]

经过我的清单到列=

my_list = [“名称”，“国家”]

4. 出口列标题

这to_csv ()默认情况下的方法将列标题（例如国家/地区）写入CSV。您可以通过添加来删除这些列标签标题= false.．

df.to_csv（...，header = false）

5. 小心其他选择

有14个其他参数可以进一步自定义导出to_csv ()．这里最好使用默认设置。

在极少数情况下，可选择其他设置。让我们再考虑两个选择:

更改分隔符（不推荐）

在CSV文件中，值由逗号分隔。您可以更改分隔符并使用分号（“;”）。通过引号通过所需的分隔符SEP =．

df.to_csv(…， sep = ";")

定义缺失数据的替代表示（不推荐）

将Dataframes写入CSV时，缺少数据由空字符串（“”）表示。您可以通过将其传递给的替代表示（例如“无”）来定义替代表示na_rep =．

df.to_csv(…， na_rep = "None")

数据科学家经常将Pandas DataFrames写入CSV。这to_csv ()方法提供许多选项来定制导出。如果你想将数据保存到下一个编码会话，请执行以下步骤:

df.to_csv（“file_name.csv”，index = false）＃如果df包含一个范围Index df.to_csv（“file_name.csv”）＃如果索引包含重要信息

这允许你用简单的代码重新导入数据到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。
现在您有能够执行这一重要的熊猫任务的技能，您可以了解更多关于熊猫的信息文件或通过开始熊猫训练营．