正文

pd.tocsv參數(shù)（pd.to_csv）

發(fā)布時(shí)間：2023-03-13 00:13:15 稿源：創(chuàng)意嶺閱讀： 87 問大家

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于pd.tocsv參數(shù)的問題，以下是小編對(duì)此問題的歸納整理，讓我們一起來看看吧。

ChatGPT國(guó)內(nèi)免費(fèi)在線使用，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁(yè)版、PC客戶端

官網(wǎng)：https://ai.de1919.com

本文目錄:

1、Python Pandas——Read_csv詳解
2、index=false
3、pandas to_csv 如何在文件中不輸出index列
4、python讀取csv指定坐標(biāo)

pd.tocsv參數(shù)（pd.to_csv）

一、Python Pandas——Read_csv詳解

可以指定整個(gè)DataFrame或各個(gè)列的數(shù)據(jù)類型：

pandas提供了多種方法來確保列僅包含一個(gè)dtype。例如,可以使用read_csv（）的converters參數(shù)：

或者，可以在讀取數(shù)據(jù)后使用to_numeric（）函數(shù)強(qiáng)進(jìn)行類型轉(zhuǎn)換。

可以通過指定dtype ='category'或dtype = CategoricalDtype（類別，有序）直接解析類別列。

可以使用dict指定將某列為Category類型：

指定dtype ='category'將導(dǎo)致無序分類，其類別是數(shù)據(jù)中觀察到的唯一值。

要更好地控制類別和順序，可以創(chuàng)建CategoricalDtype，然后將其傳遞給該列的dtype。

使用dtype = CategoricalDtype時(shí)，dtype.categories之外的“意外”值將被視為缺失值。

文件可能包含標(biāo)題行，也可能沒有標(biāo)題行。 pandas假定第一行應(yīng)用作列名：

通過指定name與header，可以重命名列以及是否丟棄標(biāo)題行：

如果標(biāo)題不在第一行中，則將行號(hào)傳遞給標(biāo)題，將跳過header前面的行：

如果文件或標(biāo)題包含重復(fù)的名稱，默認(rèn)情況下，pandas會(huì)將它們區(qū)分開，以防止覆蓋數(shù)據(jù).

usecols參數(shù)允許您使用列名，位置號(hào)或可調(diào)用的方法選擇文件中列的任何子集.

如果指定了comment參數(shù)，則將忽略注釋行。默認(rèn)情況下，空行也將被忽略。

如果skip_blank_lines = False，則read_csv將不會(huì)忽略空行：

警告：被忽略的行的存在可能會(huì)導(dǎo)致涉及行號(hào)的歧義；參數(shù)標(biāo)題使用行號(hào)（忽略注釋/空行），而行首使用行號(hào)（包括注釋/空行）.

如果同時(shí)指定了skiprows和header，則header將相對(duì)于skiprows的末尾。例如：

為了更好地使用日期時(shí)間數(shù)據(jù)，read_csv（）使用關(guān)鍵字參數(shù)parse_dates和date_parser允許用戶指定列的日期/時(shí)間格式，將string轉(zhuǎn)換為日期時(shí)間對(duì)象。

通常，我們可能希望分別存儲(chǔ)日期和時(shí)間數(shù)據(jù)，或分別存儲(chǔ)各種日期字段。 parse_dates關(guān)鍵字可用于指定列的組合，以從中解析日期和/或時(shí)間。您可以指定要parse_dates的列或嵌套列表，結(jié)果日期列將被添加到輸出的前面（以便不影響現(xiàn)有的列順序），新的列名為各列Name的連接。

默認(rèn)情況下，解析器會(huì)刪除組件日期列，可以選擇通過keep_date_col關(guān)鍵字保留它們：

請(qǐng)注意，如果您希望將多個(gè)列合并為一個(gè)日期列，則必須使用嵌套列表。換句話說，parse_dates = [1，2]表示第二和第三列應(yīng)分別解析為單獨(dú)的日期列，而parse_dates = [[1，2]]意味著應(yīng)將這兩列解析為單個(gè)列。

還可以使用字典來指定自定義名稱列：

重要的是要記住，如果要將多個(gè)文本列解析為單個(gè)日期列，則在數(shù)據(jù)前添加一個(gè)新列。

index_col參數(shù)基于這組新列而不是原始數(shù)據(jù)列：

注意：如果列或索引包含不可解析的日期，則整個(gè)列或索引將作為對(duì)象數(shù)據(jù)類型原樣返回。對(duì)于非標(biāo)準(zhǔn)日期時(shí)間解析，請(qǐng)?jiān)趐d.read_csv之后使用to_datetime（）。

注意：read_csv具有用于解析iso8601格式的日期時(shí)間字符串的fast_path，例如“ 2000-01-01T00：01：02 + 00：00”和類似的變體。如果可以安排數(shù)據(jù)以這種格式存儲(chǔ)日期時(shí)間，則加載時(shí)間將明顯縮短，約20倍。

最后，解析器允許您指定自定義date_parser函數(shù)，以充分利用日期解析API的靈活性：

Pandas不能原生表示具有混合時(shí)區(qū)的列或索引。如果CSV文件包含帶有時(shí)區(qū)混合的列，則默認(rèn)結(jié)果將是帶有字符串的object-dtype列，即使包含parse_dates。

要將混合時(shí)區(qū)值解析為datetime列，請(qǐng)將部分應(yīng)用的to_datetime（）傳遞給utc = True作為date_parser。

二、index=false

index=False含義

輸出不顯示index(索引)值

在輸出代碼行中，加入“index=False”如下：

m_pred_survived.to_csv(“clasified.csv”,index=False)

三、pandas to_csv 如何在文件中不輸出index列

1、雙擊打開pycharm工具，新建python項(xiàng)目并導(dǎo)入numpy和pandas，如下圖所示。

2、調(diào)用pandas模塊中的Series，創(chuàng)建一個(gè)序列，并使用numpy中的nan，如下圖所示。

3、保存代碼并直接運(yùn)行這個(gè)文件，可以看到打印的序列值，如下圖所示。

4、再調(diào)用date_range()方法，設(shè)置一個(gè)開始日期，生成30個(gè)序列，如下圖所示。

5、再次保存代碼并運(yùn)行文件，可以在控制臺(tái)查看到30個(gè)日期序列，如下圖所示就完成了。

四、python讀取csv指定坐標(biāo)

csv文件

name,age

fjp,25

gxl,26

yc,26

zjw,25

腳本文件:

# coding:utf-8
import pandas as pd
# 讀取csv文件
f = pd.read_csv('Test.csv', sep=',')
# 3-5行，列名為name
res = f.loc[3:5, ['name']]
# 寫入csv文件
res.to_csv('123.csv', sep=',', index=True)

以上就是關(guān)于pd.tocsv參數(shù)相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。