使用Pandas进行数据处理，CSV、Excel文件载入和导出操作

导读

数据导入是数据处理、分析的第一步，Pandas提供非常多的方法，对不同格式、不同来源的数据进行导入和导出操作。

Pandas对以下数据源导入/导出方法列表：

Pandas还有很多数据导入/导出方法，不是特别常用，就没有列举

比较常用的：

• 对CSV文件的读写：read_csv\to_csv
• 对excel文件的读写：read_excel\to_excel

Pandas数据导入方法参数比较多，容错性，识别能力较好：

• 支持类型推断和数据转换
• 支持用户自定义的值转换，自定义的缺失值
• 支持时间日期识别，自动解析
• 支持对大型文件的分块迭代
• 清理数据功能：跳过行、页脚、注释以及其他次要数据
• 识别数字千位符号

使用read_csv/to_csv方法，对csv格式数据文件进行导入/导出操作

• pd.read_csv方法，数据导入

read_csv方法一些参数说明：

1. path 文件路径
2. sep/delimiter 指定分隔符
3. header 指定哪行作为列名，默认为0，如果文件中没有列名，可设置为None
4. index_col 指定那列作为行索引的列编号或者列名
5. names 指定列名列表
6. skiprows 忽略跳过的行数、行号列表
7. na_values 替代缺失值的列表
8. comment 在行结尾处分隔注释的字符
9. parse_dates 尝试将数据解析为datetime，默认是False，如果是True，将尝试解析所有列，也可以指定列号列名列表进行解析
10. converters 列名称跟函数映射的字典
11. dayfirst 解析费明确日期时，按照国际格式处理，默认是False
12. date_parser 指定用于解析日期的函数
13. nrows 从文件开头处读入的行数
14. skip_footer 忽略文件尾部的行数
15. encoding 指定文件编码
16. thousands 指定千分位分隔符

• pd.to_csv方法，数据导出

参数说明：

1. 指定输出文件名
2. sep：用’,’分隔
3. header：是否带头部信息
4. index：是否带行号

使用read_excel/to_excel方法，对Excel文件进行导入/导出操作

最后