python实用脚本（六）—— pandas库的使用（生成、读取表格）

本期主题：
python的pandas使用

---

往期链接：

• python实用脚本（一）—— 批量修改目标文件夹下的文件名
• python实用脚本（二）—— 使用xlrd读取excel
• python实用脚本（三）—— 通过有道智云API实现翻译
• python实用脚本（四）—— 正则表达式
• python实用脚本（五）——numpy的使用

---

---

1.pandas是什么

pandas是python data analyze libray，是一个基于NumPy 的一种工具，该工具是为解决数据分析任务而创建的。

pandas主要有两种数据结构：

• Series（一维数据），类似于一维数组的对象，由一组数据和一组与之相关的索引构成；
• DataFrame（二维数据），表格型的数据结构，由行数据和列数据构成；

2.Series实例

Series类似于表格中的一列，可以保存任何数据类型

Series 由索引（index）和列元素组成，函数如下：

pandas.Series( data, index, dtype, name, copy)

其中：

• data：代表一组数据
• index：数据索引标签，不指定则默认从0开始计数
• dtype：数据类型，默认自己判断
• name：设置这个series的name
• copy：是否进行数据拷贝，默认为False

看一个实际例子：

3.DataFrame实例

DataFrame是一个表格型的数据结构，每一列可以有不同的值类型，每一列可以认为是 series.

使用list创建DataFrame

>>> data = [['Google',10],['Runoob',12],['Wiki',13]]
>>>
>>> df = pd.DataFrame(data,columns=['Site','Age'],dtype=float)
<stdin>:1: FutureWarning: Could not cast to float64, falling back to object. This behavior is deprecated. In a future version, when a dtype is passed to 'DataFrame', either all columns will be cast to that dtype, or a TypeError will be raised.
>>>
>>> print(df)Site   Age
0  Google  10.0
1  Runoob  12.0
2    Wiki  13.0

3.pandas使用csv

CSV（Comma-Separated Values，逗号分隔值，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。

CSV 是一种通用的、相对简单的文件格式，被用户、商业和科学广泛应用。

1.使用 to_csv() 将DataFrame存储为csv

import numpy as np
import pandas as pd# name
name = ['xiaoming', 'xiaohong', 'xiaolv']
# age
age = [10, 12, 13]
dict = {'name' : name,'age' : age
}
df = pd.DataFrame(dict)df.to_csv('test.csv', index=False) #index=False就是不要最前面的那个索引

结果：

2.使用 read_csv读

df = pd.read_csv('test.csv')print(df.to_string())

测试结果：

python .\pandas_test.pyname  age
0  xiaoming   10
1  xiaohong   12
2    xiaolv   13