目录

第二章（pandas）

Python数据处理从零开始----第二章（pandas）①删除列

Python数据处理从零开始----第二章（pandas）②处理缺失数据

Python数据处理从零开始----第二章（pandas）③数据标准化（1）

Python数据处理从零开始----第二章（pandas）④数据合并和处理重复值

Python数据处理从零开始----第二章（pandas）⑤pandas与R

Python数据处理从零开始----第二章（pandas）⑥相关性分析

Python数据处理从零开始----第二章（pandas）⑦pandas读写csv文件(1)

Python数据处理从零开始----第二章（pandas）⑧pandas读写csv文件(2)

Python数据处理从零开始----第二章（pandas）⑧pandas读写csv文件(3)

Python数据处理从零开始----第二章（pandas）⑨pandas读写csv文件(4)

===============================================

• 如何在pandas中写入csv文件
  我们将首先创建一个数据框。我们将使用字典创建数据框架。键是列名，值是包含数据的列表：

df = pd.DataFrame({'Names':['Andreas', 'George', 'Steve',
                           'Sarah', 'Joanna', 'Hanna'],
                  'Age':[21, 22, 20, 19, 18, 23]})
df.head()

image.png

然后我们使用pandas to_csv方法将数据框写入csv文件。

df.to_csv('NamesAndAges.csv')

image.png

如上图所示，当我们不使用任何参数时，我们会得到一个新列。此列是pandas数据框中的index。我们可以使用参数index并将其设置为false以除去此列。

• 如何将多个数据帧读取到一个csv文件中

如果我们有许多数据帧，并且我们想将它们全部导出到同一个csv文件中。
这是为了创建两个新的列，命名为group和row num。重要的部分是group，它将标识不同的数据帧。在代码示例的最后一行中，我们使用pandas将数据帧写入csv。

df1 = pd.DataFrame({'Names': ['Andreas', 'George', 'Steve',
                           'Sarah', 'Joanna', 'Hanna'],
                   'Age':[21, 22, 20, 19, 18, 23]})
df2 = pd.DataFrame({'Names': ['Pete', 'Jordan', 'Gustaf',
                           'Sophie', 'Sally', 'Simone'],
                   'Age':[22, 21, 19, 19, 29, 21]})
df3 = pd.DataFrame({'Names': ['Ulrich', 'Donald', 'Jon',
                           'Jessica', 'Elisabeth', 'Diana'],
                   'Age':[21, 21, 20, 19, 19, 22]})


df = pd.concat([df1, df2, df3], keys =['Group1', 'Group2', 'Group3'], 
               names=['Group', 'Row Num']).reset_index()

df.to_csv('MultipleDfs.csv', index=False)

在csv文件中，我们有4列。列表中的keys参数（['group1'、'group2'、'group3']）代表不同数据框来源。我们还得到列“row num”，其中包含每个原数据框的行数：

image.png