1. 读取csv文件
import pandas as pd import numpy as np # 读取整个csv文件 csv_data = pd.read_csv("./stock_day.csv") # 读取指定列索引字段的数据 csv_data = pd.read_csv("./stock_day.csv", usecols=['open', 'close']) # 将我们修改完的csv的文件保存到新的路径下 csv_data.to_csv('demo.csv')观察我们保存的文件的格式(行索引为我们的日期, 列索引为 open close) :
# 查看新保存的文件 new_data = read_csv('./demo.csv')观察新保存的文件(我们在读取的时候默认给我们添加了新的行索引, 及Unnamed:0):
使用to_csv的时候, 我们可以给他传入几个参数:
csv_data.to_csv('demo.csv', header=True, index=False) 
to_csv这个方法中可以传递一些参数:
DataFrame.to_csv(path_or_buf=None, sep=’, ’, columns=None, header=True, index=True, index_label=None, mode=’w’, encoding=None)
- path_or_buf :文件保存的路径;
- sep :默认是以 , 进行分割 , 也可以自己制定;
- columns : 保存索引列和指定列;
- index:是否写进行索引 0或者1;
- header :boolean or list of string, default True,是否写进列索引值 0或者 1;
- na_rep=NaN: 缺失值保存为Na 如果不写 默认为空;
- float_format=’%.2f’ :保留两位小数;
再来回顾一下将我们的行索引装成日期格式的方法:
# 生成一个时间的序列，略过周末非交易日 date = pd.date_range('2018-02-27', periods=new_data.shape[1], freq='B') # index代表行索引，columns代表列索引 new_data = pd.DataFrame(new_data, index=date)版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/210209.html原文链接：https://javaforall.net
