Pandas中如何实现高效的数据导入导出操作？

本文共计528个文字，预计阅读时间需要3分钟。

使用`pandas`读取CSV文件，并以name列作为索引。

pd.read_csv("../data/user_info.csv", index_col="name") #假设csv里包含这几列： name, age, birth, sex
data="name,age,birth,sex\nTom,18.0,2000-02-10,\nBob,30.0,1988-10-17,male"
print(data)
pd.read_csv(StringIO(data))#从 StringIO 对象中读取。
data = "name|age|birth|sex~Tom|18.0|2000-02-10|~Bob|30.0|1988-10-17|male"
pd.read_csv(StringIO(data), sep="|", lineterminator="~") #自定义字段之间的分隔符
pd.read_csv(StringIO(data), sep="|", lineterminator="~", dtype={"age": int}) # 自己指定数据类型
data="Tom,18.0,2000-02-10,\nBob,30.0,1988-10-17,male"
pd.read_csv(StringIO(data), names=["name", "age", "birth", "sex"]) csv文件并没有标题，我们可以设置参数 names 来添加标题。
pd.read_csv(StringIO(data), usecols=["name", "age"]) # 只读取部分列
print(user_info.to_json()) #将dataframe转成json字符串

格式类型

数据描述

Reader

Writer

text

CSV

read_csv

to_csv

text

JSON

read_json

to_json

text

HTML

read_html

to_html

text

clipboard

read_clipboard

to_clipboard

binary

Excel

read_excel

to_excel

binary

HDF5

read_hdf

to_hdf

binary

Feather

read_feather

to_feather

binary

Msgpack

read_msgpack

to_msgpack

binary

Stata

read_stata

to_stata

binary

SAS

read_sas

binary

Python Pickle

read_pickle

to_pickle

SQL

SQL

read_sql

to_sql

SQL

Google Big Query

read_gbq

to_gbq

to_json

split

字典像索引 - > [索引]，列 - > [列]，数据 - > [值]}

records

列表像{[列 - >值}，…，{列 - >值}]

index

字典像{索引 - > {列 - >值}}

columns

字典像{列 - > {索引 - >值}}

values

只是值数组