当前位置：首页 > article >正文

Pandas 1- 创建文件

article 2024/11/17 0:21:20

1. 创建DataFrame

首先，需要创建一个DataFrame。DataFrame是Pandas中最常用的数据结构，类似于一个二维表格或SQL表。

import pandas as pd

# 创建一个简单的DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Age': [24, 27, 22, 32],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']
}

df = pd.DataFrame(data)
print(df)

输出：

      Name  Age         City
0    Alice   24     New York
1      Bob   27  Los Angeles
2  Charlie   22      Chicago
3    David   32      Houston

2. 保存DataFrame为CSV文件

CSV（Comma-Separated Values）是一种常见的文件格式，用于存储表格数据。Pandas提供了to_csv方法来将DataFrame保存为CSV文件。

# 保存为CSV文件
df.to_csv('output.csv', index=False)

3. 保存DataFrame为Excel文件

Excel文件是一种广泛使用的电子表格文件格式。Pandas提供了to_excel方法来将DataFrame保存为Excel文件。需要注意的是，保存为Excel文件需要安装openpyxl或xlsxwriter库。

pip install openpyxl

# 保存为Excel文件
df.to_excel('output.xlsx', index=False, engine='openpyxl')

4. 保存DataFrame为JSON文件

JSON（JavaScript Object Notation）是一种轻量级的数据交换格式。Pandas提供了to_json方法来将DataFrame保存为JSON文件。

# 保存为JSON文件
df.to_json('output.json', orient='records')

5. 保存DataFrame为HTML文件

HTML文件可以用于网页展示数据。Pandas提供了to_html方法来将DataFrame保存为HTML文件。

# 保存为HTML文件
df.to_html('output.html', index=False)

6. 保存DataFrame为SQL数据库

如果需要将数据保存到SQL数据库中，Pandas提供了to_sql方法。需要安装sqlalchemy库，并确保数据库连接正常。

pip install sqlalchemy

from sqlalchemy import create_engine

# 创建数据库连接
engine = create_engine('sqlite:///mydatabase.db')

# 保存为SQL数据库
df.to_sql('my_table', engine, if_exists='replace', index=False)