浅谈python的第三方库——pandas（三）

令笔者对pandas印象最为深入的一件事，就是在pandas中已经内置了不少数据导入导出方法，然而本人并不了解，在一次小项目的工做中曾手写了一个从excel表格导入数据到DataFrame的python脚本。这个糗事让笔者深感代码能力急需增强！

为了让那次教训刻骨铭心，也为了不广大读者再走相似的弯路，本文主要介绍关于pandas的数据导入导出功能，理解起来很是简单。
pandas支持的导入导出数据格式多种多样，有csv，excel，sql，json，html，pickle等。
虽然支持众多数据格式，但各种数据格式导入导出的操做方法千篇一概，了解其中一个便能掌握所有，于是本文以数据分析中常见的csv格式为例，介绍pandas的数据导入导出功能。

1 从csv文件导入数据到pandas

例中，要读取的csv文件与代码程序在同一目录下:

exam.csv文件内容以下：

程序将csv文件读入到data变量中：

从中能够看到：pandas默认会将csv文件的第一行做为列名导入进来。

若是导入的数据文件中没有保存列名，则在导入时能够手动添加列名，示例以下：

先复制一份上述csv文件，去掉原有列名部分，其他不变：

在读入数据时，指定列名：

2 导出数据到csv文件

为方便起见，咱们将刚才读入的数据再次导出到同目录下的daochu.csv文件：

查看daochu.csv文件中的内容：

能够看到：导出时选择了三列数据，而且输出列名（header=True）与行索引（index=True），索引默认是“0，1，2，3”的形式。 导出csv文件函数的参数比较多，能够对导出后的文件内容进行多种设定，具体每个参数的做用效果还要靠诸位亲自探索。