- 系列文章目录
- 前言
- 一、今天所学的内容
- 二、知识点详解
- 2.1 pandas模块写入Excel的to_excel()操作
- 2.2 to_excel()常见参数解析
- 2.2.1 sheet_name ：excel表名命名
- 2.2.2 na_rep ： 缺失值填充 ，可以设置为字符串
- columns ：选择输出的的列存入
- 2.3 to_json()
- 2.4 to_csv()
- 总结
前言
上一篇写了DataFrame的属性编码、数据合并和连接，是不是还是挺复杂的呢。今天继续学习pandas模块下对数据处理的另外两种操作：
- 追加写入Excel
- 转化格式（比如dict）进行保存
一、今天所学的内容
今天仍旧是陶醉在pandas的魅力中无法自拔的模样。前面介绍了那么多种处理方法了，今天先收一下尾，教大家如何将自己目前处理好的DataFrame，比如如何写入Excel，或者转化成其他格式（比如json格式、dict格式等等），然后保存在文件里。
二、知识点详解
2.1 pandas模块写入Excel的to_excel()操作
将DataFrame写入Excel的方式最直接的是使用pandas提供的函数：to_excel()。
该函数的主要形式是：
DataFrame.to_excel(excel_writer, sheet_name='Sheet1', na_rep='',
float_format=None, columns=None, header=True, index=True, index_label=None,
startrow=0, startcol=0, engine=None, merge_cells=True, encoding=None,
inf_rep='inf', verbose=True, freeze_panes=None, storage_options=None)[source]看着参数好多！如何使用该函数呢？
我们先开箱即用，举一个简单的例子吧：
import pandas as pd
# 前后呼应，这次就用最初的《让子弹飞》里的数据进行分析吧～
data = {
'性别':['male','male','female','male'],
'姓名':['汤师爷','县长','县长夫人','黄老爷'],
'年龄':[40,35,25,44]}
df = pd.DataFrame(data,index=['one','two','three','four'],
columns=['姓名','性别','年龄','职业'])
print(df)先直观地看一下生成的DataFrame的样子：
欢迎汤师爷、县长、县长夫人和黄老爷回归撒花🎉～
要保存在excel中，最简单的是要定义一下保存的excel的路径也就是要配置一下“excel_writer”这个参数。
下面就是重点了：
df.to_excel('excel_output.xls')我美滋滋地等着出结果，然而报了错，真是人算不如天算呐！报的错提示我少了一个python包：xlwt。
于是pip install xlwt一行操作后，可以运行了，生成了一个excel文件。
然而，我打开却显示：
emm，我都保存成Excel文件了，为啥不用Microsoft Excel打开呢？于是，以正确的方式打开之后是这样式的～：
汤师爷你吃着火锅唱着歌被我打印在excel文件里啦～
2.2 to_excel()常见参数解析
到这里，小伙伴们跟着我一起简单地使用了to_excel()操作，尤其是用Microsoft Excel打开的那一瞬间，看到汤师爷他们的名字被清楚地打印在屏幕上的时候，我还有点小激动呢。编程带来的快乐妙不可言～一行代码就可以做手动做需要复制很久的事情。
那么这个函数是不是就这么简单地使用了呢？其实不然，根据pandas官方文档来看，to_excel()有很多参数。所以第二小节咱们对其进行进阶学习，了解一下常见参数。
2.2.1 sheet_name ：excel表名命名
2.2.2 na_rep ： 缺失值填充 ，可以设置为字符串
如果na_rep设置为bool值，则写入excel时改为0和1；也可以写入字符串或数字。
我们先看看na_rep设置为True值的结果：
再看看na_rep设置为false的结果：
columns ：选择输出的的列存入
columns参数： 选择输出的列。直接在to_excel()函数的参数位置加上要输出的列名即可。
df.to_excel('excel_output.xls', columns=["姓名","年龄"])
2.3 to_json()
将pandas模块中的DataFrame转化为json格式的数据并保存在文件中。
代码示例：
df_json = df.to_json(orient="split")
print(df_json)结果如下：
可以看出来，结果虽然是json格式，但是很不美观，而且也不是以字符串的格式来展示的。
所以对代码进行了改进：
parsed = json.loads(df_json)
string = json.dumps(parsed, indent=4)
print(string)此时，代码运行的结果如下：
完美～
2.4 to_csv()
最后一部分啦！这一部分将dataframe的数据转化为csv文件中保存。
最简单的方式就是直接调用to_csv()函数，并且什么参数都不加：
df.to_csv('Result.csv')结果会生成一个新的Result.csv文件（注意不要用excel软件打开）：
当然，to_csv()函数本身也是有很多参数的，比如：
[1] 分隔符
dt.to_csv('Result.csv',sep='?') #使用?分隔需要保存的数据，如果不写，默认是','[2] 替换空值
dt.to_csv('C:/Users/think/Desktop/Result1.csv',na_rep='NA') #确实值保存为NA，如果不写，默认是空[3] 还可以定义保存数据的格式
dt.to_csv('C:/Users/think/Desktop/Result1.csv',float_format='%.2f') #保留两位小数[4] 可以添加参数columns，定义是否保留某列数据
dt.to_csv('C:/Users/think/Desktop/Result.csv',columns=['name']) #保存索引列和name列[5] 可以定义是否保留列名
dt.to_csv('C:/Users/think/Desktop/Result.csv',header=0) #不保存列名[6] 是否保留行索引
dt.to_csv('C:/Users/think/Desktop/Result1.csv',index=0) #不保存行索引[7] ……………………
总结
这篇文章可谓是干货满满哦！
查看了一下pandas的官方文档，关于DataFrame格式的转化以及保存，还有很多可以调用的函数。
我截了图分享给大家，你可以大致浏览一遍，心里有个数，如果后续用到的话直接查官方文档就好了。
博客更新停摆了一周。这一周有家人的陪伴，大半时间都在陪他们，内心感觉满足且充盈。今天他们回家了，独自在北京的我，觉得经过这些天的充电，可以更好地和大家一起学习和工作了。自己之后将以更加认真的态度学习python，并更新博客。
也祝大家变得更强，明天见！
今天的小tips：
- 越是重要的决定，越需要运用本质思考。“短视、从众、惯性”的直线式思考往往帮助我们躲避本质思考，并使我们给自己“我已经开始思考了”的心理假象、给自己“我已经付出很多了”的自我感动、给自己“我就是快速行动派”的自我安慰，并最终用自我感动替代高质量的决策。我们不断重复这样的思考方式，但希望获得不一样的结果。
- 所以我们要常常思考自己是如何思考的。因为真正的改变一定是发生在思考的质变中。
给自己一套系统化、坚实的、面向本质的思考方法，彻底带来自己用智方式的改变是非常重要的。共勉。
