使用pandas將numpy中的數(shù)組數(shù)據(jù)保存到csv文件的方法
接觸pandas之后感覺(jué)它的很多功能似乎跟numpy有一定的重復(fù)，尤其是各種運(yùn)算。不過(guò)，簡(jiǎn)單的了解之后發(fā)現(xiàn)在數(shù)據(jù)管理上pandas有著更為豐富的管理方式，其中一個(gè)很大的優(yōu)點(diǎn)就是多出了對(duì)數(shù)據(jù)文件的管理。
如果想保存numpy中的數(shù)組元素到一個(gè)文件中，通過(guò)純Python的文件寫入當(dāng)然是可以實(shí)現(xiàn)的，但是總覺(jué)得是少了一點(diǎn)便捷性。在這方面，pandas工具的使用就會(huì)讓工作方便很多。下面通過(guò)一個(gè)簡(jiǎn)單的小例子來(lái)演示一下。
首先，創(chuàng)建numpy中的數(shù)組。
In [18]: arr1 = np.arange(100).reshape(10,10) In [19]: arr1 Out[19]: array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9], [10, 11, 12, 13, 14, 15, 16, 17, 18, 19], [20, 21, 22, 23, 24, 25, 26, 27, 28, 29], [30, 31, 32, 33, 34, 35, 36, 37, 38, 39], [40, 41, 42, 43, 44, 45, 46, 47, 48, 49], [50, 51, 52, 53, 54, 55, 56, 57, 58, 59], [60, 61, 62, 63, 64, 65, 66, 67, 68, 69], [70, 71, 72, 73, 74, 75, 76, 77, 78, 79], [80, 81, 82, 83, 84, 85, 86, 87, 88, 89], [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])
接著，為了能夠使這組數(shù)據(jù)成為可以讓pandas處理的數(shù)據(jù)，需要通過(guò)這個(gè)數(shù)組創(chuàng)建DataFrame。
In [20]: data1 = DataFrame(arr1)
這樣，就可以通過(guò)pandas中DataFrame的to_csv方法實(shí)現(xiàn)數(shù)據(jù)文件的存儲(chǔ)了。具體如下：
In [21]: data1.to_csv('data1.csv')
In [22]: cat data1.csv
,0,1,2,3,4,5,6,7,8,9
0,0,1,2,3,4,5,6,7,8,9
1,10,11,12,13,14,15,16,17,18,19
2,20,21,22,23,24,25,26,27,28,29
3,30,31,32,33,34,35,36,37,38,39
4,40,41,42,43,44,45,46,47,48,49
5,50,51,52,53,54,55,56,57,58,59
6,60,61,62,63,64,65,66,67,68,69
7,70,71,72,73,74,75,76,77,78,79
8,80,81,82,83,84,85,86,87,88,89
9,90,91,92,93,94,95,96,97,98,99
回頭看一下被存儲(chǔ)的數(shù)據(jù)格式：
In [23]: data1 Out[23]: 0 1 2 3 4 5 6 7 8 9 0 0 1 2 3 4 5 6 7 8 9 1 10 11 12 13 14 15 16 17 18 19 2 20 21 22 23 24 25 26 27 28 29 3 30 31 32 33 34 35 36 37 38 39 4 40 41 42 43 44 45 46 47 48 49 5 50 51 52 53 54 55 56 57 58 59 6 60 61 62 63 64 65 66 67 68 69 7 70 71 72 73 74 75 76 77 78 79 8 80 81 82 83 84 85 86 87 88 89 9 90 91 92 93 94 95 96 97 98 99 In [24]: type(data1) Out[24]: pandas.core.frame.DataFrame
從上面的結(jié)果看一看出，轉(zhuǎn)換成DataFrame的同時(shí)，數(shù)據(jù)信息增加了行列標(biāo)題信息。
通過(guò)電子表格軟件打開(kāi)csv文件的效果如下：
以上這篇使用pandas將numpy中的數(shù)組數(shù)據(jù)保存到csv文件的方法就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
今天小編就為大家分享一篇python查看列的唯一值方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-07-07
Python基于DB-API操作MySQL數(shù)據(jù)庫(kù)過(guò)程解析
這篇文章主要介紹了Python基于DB-API操作MySQL數(shù)據(jù)庫(kù)過(guò)程解析,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-04-04
Python3爬蟲(chóng)中關(guān)于中文分詞的詳解
在本篇文章里小編給大家整理的是關(guān)于Python3爬蟲(chóng)中關(guān)于中文分詞的詳解內(nèi)容，需要的朋友們可以參考下。2020-07-07
Django 對(duì)象關(guān)系映射(ORM)源碼詳解
這篇文章主要介紹了Django 對(duì)象關(guān)系映射(ORM)源碼詳解,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-08-08
Python利用yarl實(shí)現(xiàn)輕松操作url
在諸如網(wǎng)絡(luò)爬蟲(chóng)、web應(yīng)用開(kāi)發(fā)等場(chǎng)景中，我們需要利用Python完成大量的url解析、生成等操作。本文為大家介紹了Pythonyarl操作url的方法，需要的可以了解一下2022-10-10
Python的可視化有很多種，這篇文章主要介紹了Python可視化的顏色映射，非常不錯(cuò)，具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-09-09
Python中執(zhí)行JavaScript實(shí)現(xiàn)數(shù)據(jù)抓取的多種方法
JavaScript是一門強(qiáng)大的腳本語(yǔ)言,廣泛應(yīng)用于網(wǎng)頁(yè)前端開(kāi)發(fā)、構(gòu)建交互式用戶界面以及處理各種客戶端端任務(wù),有時(shí)可能需要在Python環(huán)境中執(zhí)行JavaScript代碼,本文將介紹多種方法,幫助你在Python中執(zhí)行 JavaScript代碼,并提供詳盡的示例代碼,使你能夠輕松掌握這一技能2023-11-11
Python常用模塊之threading和Thread模塊及線程通信
這篇文章主要介紹了Python常用模塊之threading和Thread模塊及線程通信，文章為圍繞主題的相關(guān)內(nèi)容展開(kāi)詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的朋友看可以參考一下方法2022-06-06
簡(jiǎn)單實(shí)現(xiàn)python收發(fā)郵件功能
這篇文章主要教大家如何簡(jiǎn)單實(shí)現(xiàn)python收發(fā)郵件功能，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-01-01
下面小編就為大家?guī)?lái)一篇python基礎(chǔ)之入門必看操作。小編覺(jué)得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-07-07