数据存储¶

在线刷题

检查 or 强化 Pandas 数据分析操作？👉在线体验「Pandas进阶修炼300题」

Note

保存为 CSV¶

默认保存¶

将数据保存为 csv 格式至当前目录下（文件名任意）

data.to_csv("out.csv",encoding = 'utf_8_sig')

指定列保存¶

将读取 Excel 文件中读取到的数据保存为 csv 格式至当前目录下（文件名任意），且只保留positionName、salary两列

data.to_csv("out.csv",encoding = 'utf_8_sig',columns=['positionName','salary'])

取消索引¶

将读取 Excel 文件中读取到的数据保存为 csv 格式至当前目录下（文件名任意），且取消每一行的索引

data.to_csv("out.csv",encoding = 'utf_8_sig',index = False)

标记缺失值¶

在上面的基础上，在保存的同时，将缺失值标记为'数据缺失'

data.to_csv("out.csv",encoding = 'utf_8_sig',index = False,na_rep = '数据缺失')

保存为 ZIP¶

将上面的数据保存至 zip 文件，解压后出现 out.csv

compression_opts = dict(method='zip',
                        archive_name='out.csv')  
data.to_csv('out.zip', index=False,
          compression=compression_opts)  

保存为 Excel¶

将数据保存为 xlsx 格式至当前目录下（文件名任意）

data.to_excel("test.xlsx")

保存为 JSON¶

将数据保存为 json 格式至当前目录下（文件名任意）

data.to_json("out.json")

保存为 Markdown¶

将数据转换为 markdown 形式表格，这样可以直接复制进 .md 文件中使用

data.head().to_markdown(index = None)

保存为 Html¶

将数据保存为 html 格式至当前目录下（文件名任意），并进行如下设置

取消行索引
标题居中对齐
列宽100

data.to_html("out.html", col_space=100,index = None,justify = 'center',border = 1)