如何用Pandas进行数据导入导出

Pandas是一个强大的Python数据分析工具，它提供了大量的功能来方便地进行数据的导入和导出。以下是一些常用的数据导入导出方法：

数据导入

1. 从CSV文件导入

import pandas as pd

# 读取CSV文件
df = pd.read_csv('filename.csv')

2. 从Excel文件导入

# 读取Excel文件
df = pd.read_excel('filename.xlsx', sheet_name='Sheet1')

3. 从JSON文件导入

# 读取JSON文件
df = pd.read_json('filename.json')

4. 从SQL数据库导入

# 使用SQLAlchemy连接数据库
from sqlalchemy import create_engine

engine = create_engine('mysql+pymysql://user:password@host:port/database')

# 读取数据
df = pd.read_sql('SELECT * FROM table_name', engine)

5. 从文本文件导入

# 读取制表符分隔的文本文件
df = pd.read_csv('filename.tsv', sep='\t')

# 读取任意分隔符的文本文件
df = pd.read_csv('filename.delimited', sep='|')

6. 从字典导入

# 从字典创建DataFrame
data = {'col1': [1, 2], 'col2': [3, 4]}
df = pd.DataFrame(data)

数据导出

1. 导出到CSV文件

# 将DataFrame导出为CSV文件
df.to_csv('filename.csv', index=False)

2. 导出到Excel文件

# 将DataFrame导出为Excel文件
df.to_excel('filename.xlsx', sheet_name='Sheet1', index=False)

3. 导出到JSON文件

# 将DataFrame导出为JSON文件
df.to_json('filename.json', orient='records')

4. 导出到SQL数据库

# 将DataFrame导出到SQL数据库
df.to_sql('table_name', engine, if_exists='replace', index=False)

5. 导出到文本文件

# 将DataFrame导出为制表符分隔的文本文件
df.to_csv('filename.tsv', sep='\t', index=False)

# 将DataFrame导出为任意分隔符的文本文件
df.to_csv('filename.delimited', sep='|', index=False)

其他有用的参数

• index: 是否将行索引作为一列导出。
• header: 是否将列名作为一行导出。
• mode: 导出模式，如'w'（写入）、'a'（追加）等。
• encoding: 文件编码，如'utf-8'、'gbk'等。

通过这些方法，你可以轻松地在Pandas中进行数据的导入和导出操作。根据具体需求选择合适的方法和参数即可。