本文共 3768 字，大约阅读时间需要 12 分钟。

文本文件读写  

目录：第1部分：csv文本文件读写        pandas 读csv文件read_csv（1.文本读写概要）https://mp.csdn.net/postedit/85289371    pandas 读csv文件read_csv（2.read_csv参数介绍）https://mp.csdn.net/postedit/85289928    pandas 读csv文件read_csv（3.dtypes指定列数据类型）https://mp.csdn.net/postedit/85290575    pandas 读csv文件read_csv（4.to_csv文本数据写）https://mp.csdn.net/postedit/85290962    pandas 读csv文件read_csv（5.文本数据读写实例）https://mp.csdn.net/postedit/85291123    pandas 读csv文件read_csv（6.命名和使用列）https://mp.csdn.net/postedit/85291430    pandas 读csv文件read_csv（7.索引）https://mp.csdn.net/postedit/85291658    pandas 读csv文件read_csv（8.方言和分隔符）https://mp.csdn.net/postedit/85291994    pandas 读csv文件read_csv（9.浮点转换和NA值）https://mp.csdn.net/postedit/85292391    pandas 读csv文件read_csv（10.注释和空行）https://mp.csdn.net/postedit/85292609    pandas 读csv文件read_csv（11.日期时间处理） https://mp.csdn.net/postedit/85292925    pandas 读csv文件read_csv（12.迭代和块）https://mp.csdn.net/postedit/85293639    pandas 读csv文件read_csv（13.read_fwf读固定宽度数据）https://mp.csdn.net/postedit/85294010    第2部分：    pandas hdf文件读写简要https://mp.csdn.net/postedit/85294299    pandas excel读写简要https://mp.csdn.net/postedit/85294545    第3部分：    python中csv模块用法tcy https://mp.csdn.net/postedit/85228189    pandas读csv文件read_csv错误解决办法7种https://mp.csdn.net/postedit/85228808    pandas to_string用法https://mp.csdn.net/postedit/85294935

1.pandas 中IO工具                                                                 2018/12/25

2.1下面重点介绍read_csv和to_csv文本读写  

pd.read_csv(filepath_or_buffer, sep=',', delimiter=None, header='infer', names=None, index_col=None, usecols=None,    squeeze=False, prefix=None, mangle_dupe_cols=True, dtype=None, engine=None, converters=None,    true_values=None, false_values=None, skipinitialspace=False, skiprows=None, nrows=None, na_values=None,    keep_default_na=True, na_filter=True, verbose=False, skip_blank_lines=True, parse_dates=False,    infer_datetime_format=False, keep_date_col=False, date_parser=None, dayfirst=False, iterator=False,    chunksize=None, compression='infer', thousands=None, decimal=b'.', lineterminator=None, quotechar='"',    quoting=0, escapechar=None, comment=None, encoding=None, dialect=None, tupleize_cols=None,    error_bad_lines=True, warn_bad_lines=True, skipfooter=0, doublequote=True, delim_whitespace=False,    low_memory=True, memory_map=False, float_precision=None)           # 读划界的数据pd.read_table(filepath_or_buffer, sep='\t', ...)                       # 读划界的数据pd.read_fwf(filepath_or_buffer, colspecs='infer', widths=None, **kwds) # 读固定宽度数据 df.to_csv(path_or_buf=None, sep=',', na_rep='', float_format=None, columns=None, header=True, index=True,    index_label=None, mode='w', encoding=None, compression=None, quoting=None, quotechar='"',    line_terminator='\n', chunksize=None, tupleize_cols=None, date_format=None, doublequote=True,    escapechar=None, decimal='.')                                      # 写带分隔符数据

2.2函数的选项： 1.索引：将一个或多个列当做返回的DataFrame处理，以及是否从文件、用户获取列名。2.类型推断和数据转换： 包括用户定义值的转换、缺失值标记列表等。3.日期解析：包括组合功能，比如将分散在多个列中的日期时间信息组合成结果中的单个列。4.选代：支持对大文件进行逐块选代。5.不规整数据问题：跳过一些行、页脚、注释或其他一些不重要的东西（比如由成千上万个逗号隔开的数值数据）6.导入：from io import StringIOpd.io.common.StringIO  

3.查看文件数据：

!type file_data.csv #windows查看文件数据内容  

3.手工处理分隔符格式

大部分存储在磁盘上的表格型数据都能用pandas.read_table进行加载。然而，有时还是需要做一些手工处理。由于接收到含有畸形行的文件而使read_table出毛病的情况并不少见。为了说明这些基本工具，看看csv文件

转载地址：https://chunyou.blog.csdn.net/article/details/85289371 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！