python数据分析之csv/txt数据的导入和保存

约定：

import numpy as np
import pandas as pd

一、CSV数据的导入和保存

csv数据一般格式为逗号分隔，可在excel中打开展示。

示例 data1.csv：

A,B,C,D
1,2,3,a
4,5,6,b
7,8,9,c

代码示例：

# 当列索引存在时
x = pd.read_csv("data1.csv") 
print x
'''
   A  B  C  D
0  1  2  3  a
1  4  5  6  b
2  7  8  9  c
'''

示例data2.csv：

1,2,3,a
4,5,6,b
7,8,9,c

代码示例：

# 当列索引不存在时,默认从0开始索引
x = pd.read_csv('data2.csv', header=None) 
print x
'''
   0  1  2  3
0  1  2  3  a
1  4  5  6  b
2  7  8  9  c
'''

# 设置列索引
x = pd.read_csv('data2.csv',names=['A','B','C','D']) 
print x
'''
   A  B  C  D
0  1  2  3  a
1  4  5  6  b
2  7  8  9  c
'''

# 将一(多)列的元素作为行(多层次)索引 
x = pd.read_csv('data2.csv',names=['A','B','C','D'],index_col='D') 
print x
'''
   A  B  C
D         
a  1  2  3
b  4  5  6
c  7  8  9
'''
x = pd.read_csv('data2.csv',names=['A','B','C','D'],index_col=['D','C']) 
print x
'''
     A  B
D C      
a 3  1  2
b 6  4  5
c 9  7  8
'''

示例data3.csv：

A,B,C,D
1,2,3,
NULL,5,6,b
7,nan,Nan,c

代码示例：

# 一般NULL nan 空格 等自动转换为NaN
x = pd.read_csv('data3.csv', na_values=[])
print x
'''
     A    B  C    D
0  1.0  2.0  3  NaN
1  NaN  5.0  6    b
2  7.0  NaN  Nan  c
'''

# 将某个元素值设置为NaN
x = pd.read_csv('data3.csv', na_values=['Nan'])
print x
'''
     A    B    C    D
0  1.0  2.0  3.0  NaN
1  NaN  5.0  6.0    b
2  7.0  NaN  NaN    c
'''

# 在对应列上设置元素为NaN
setNaN = {'C':['Nan'],'D':['b','c']}
x = pd.read_csv("data3.csv",na_values=setNaN)
print x
'''
     A    B    C   D
0  1.0  2.0  3.0 NaN
1  NaN  5.0  6.0 NaN
2  7.0  NaN  NaN NaN
'''

# 保存数据到csv文件
x.to_csv('data3out.csv')
'''
data3out:
,A,B,C,D
0,1.0,2.0,3.0,
1,,5.0,6.0,
2,7.0,,,
'''
# 保存数据到csv文件,设置NaN的表示,去掉行索引，去掉列索引(header)
x.to_csv('data3out.csv',index=False,na_rep='NaN',header=False)
'''
data3out:
1.0,2.0,3.0,NaN
NaN,5.0,6.0,NaN
7.0,NaN,NaN,NaN
'''
x = pd.read_csv("data3out.csv",names=['W','X','Y','Z'])
print x
'''
     W    X    Y   Z
0  1.0  2.0  3.0 NaN
1  NaN  5.0  6.0 NaN
2  7.0  NaN  NaN NaN
'''

二、txt数据的导入

txt文件中的数据通常以多个空格或者逗号等分割开。

示例data4.txt：

    A    B    C
a   1    2    3
b   4    5    6

代码示例：

# 读取数据
x = pd.read_table('data4.txt', sep='\s+') # sep:分隔的正则表达式
print x
'''
   A  B  C
a  1  2  3
b  4  5  6
'''

示例data5.txt：

1.176813    3.167020
-0.566606   5.749003
0.931635    1.589505
-0.036453   2.690988

代码示例：

# 使用numpy读取txt
x = np.loadtxt('data5.txt', delimiter='\t') # 分隔符
print x
'''
[[ 1.176813  3.16702 ]
 [-0.566606  5.749003]
 [ 0.931635  1.589505]
 [-0.036453  2.690988]]
'''