導(dǎo)入實(shí)驗(yàn)常用的python包。如圖2所示。

【import pandas as pd】pandas用來做數(shù)據(jù)處理。【import numpy as np】numpy用來做高維度矩陣運(yùn)算.【import matplotlib.pyplot as plt】matplotlib用來做數(shù)據(jù)可視化。

pandas數(shù)據(jù)寫入到csv文件中：

【names = [‘Bob','Jessica','Mary','John','Mel']】創(chuàng)建一個(gè)names列表【 births = [968,155,77,578,973]】創(chuàng)建一個(gè)births 列表【DataSet = list(zip(names,births))】用 zip 函數(shù)將這兩個(gè)列表合并在一起【DataSet】查看生成的數(shù)據(jù)【df = pd.DataFrame(data = DataSet ,columns=[‘Names','Births'])】用生成的數(shù)據(jù)生成一個(gè)DataFrame對象【df】查看生成的dataFrame

將創(chuàng)建的數(shù)據(jù)寫入到/opt/births1880.csv文件中，

【df.to_csv(‘/opt/births1880.csv', index=False, header=False )】將df寫入到文件中【ls /opt/births1880.csv】查看文件是否存在【cat /opt/births1880.csv】查看文件內(nèi)容

pandas讀取csv中的數(shù)據(jù)

讀取步驟3生成的數(shù)據(jù)，如圖5所示?！緇ocal_data = r'/opt/births1880.csv'】將文件路徑賦到變量local_data中【df2 = pd.read_csv(local_data,header=None)】讀取內(nèi)容賦值到df2【df2】查看df2的值【 df3 = pd.read_csv(local_data,header=None,names=[‘names','births'])】指定列名字賦值到df3【df3】查看df3的值

Pandas是Python下一個(gè)開源數(shù)據(jù)分析的庫，它提供的數(shù)據(jù)結(jié)構(gòu)DataFrame極大的簡化了數(shù)據(jù)分析過程中一些繁瑣操作,DataFrame是一張多維的表，大家可以把它想象成一張Excel表單或者Sql表。之前這篇文章已經(jīng)介紹了從各種數(shù)據(jù)源將原始數(shù)據(jù)載入到dataframe中，這篇文件介紹怎么將處理好的dataframe中的數(shù)據(jù)寫入到文件和數(shù)據(jù)庫中。

以上這篇將pandas.dataframe的數(shù)據(jù)寫入到文件中的方法就是小編分享給大家的全部內(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。

最新評論