如何读取和写入表格数据

来源：Pandas官网：https://pandas.pydata.org/docs/getting_started/intro_tutorials/index.html

导包

import pandas as pd

数据介绍：
使用存储为 CSV 的泰坦尼克号数据集。数据由以下数据列组成：

• 【PassengerId】乘客 ID：每位乘客的 ID。
• 【Survived】幸存：表明乘客是否幸存。0 表示是，1 表示否。
• 【Pclass】P类：3个机票类别之一：1类，2类和3类.
• 【Name】姓名：乘客姓名。
• 【Sex】性别：乘客的性别。
• 【Age】年龄：乘客的年龄（以岁为单位）。
• SibSp：船上的兄弟姐妹或配偶的数量。
• Parch：船上的父母或孩子人数。
• 【Ticket】票：乘客的票号。
• 【Fare】票价：表示票价。
• 【Cabin】客舱：乘客的客舱号码。
• 【Embarked】登船：登船港。

【1】如何读取和写入表格数据

我想分析泰坦尼克号乘客数据，以CSV文件的形式提供。

titanic = pd.read_csv("titanic.csv")

pandas 提供 read_csv() 函数，用于将存储为 CSV 文件的数据读取到 pandas DataFrame中。Pandas 支持许多不同的文件格式或开箱即用的数据源（CSV、EXCEL、SQL、JSON、PARQUET 等），每种格式都带有前缀 read_*.

确保在读取数据后始终检查数据。显示DataFrame时，默认情况下将显示第一行和后 5 行：

titanic

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	0	A/5 21171	7.2500	NaN	S
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1	0	PC 17599	71.2833	C85	C
2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	0	STON/O2. 3101282	7.9250	NaN	S
3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	0	113803	53.1000	C123	S
4	5	0	3	Allen, Mr. William Henry	male	35.0	0	0	373450	8.0500	NaN	S
...	...	...	...	...	...	...	...	...	...	...	...	...
886	887	0	2	Montvila, Rev. Juozas	male	27.0	0	0	211536	13.0000	NaN	S
887	888	1	1	Graham, Miss. Margaret Edith	female	19.0	0	0	112053	30.0000	B42	S
888	889	0	3	Johnston, Miss. Catherine Helen "Carrie"	female	NaN	1	2	W./C. 6607	23.4500	NaN	S
889	890	1	1	Behr, Mr. Karl Howell	male	26.0	0	0	111369	30.0000	C148	C
890	891	0	3	Dooley, Mr. Patrick	male	32.0	0	0	370376	7.7500	NaN	Q

891 rows × 12 columns

我想查看pandas DataFrame的前 8 行。

titanic.head(8)

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	0	A/5 21171	7.2500	NaN	S
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1	0	PC 17599	71.2833	C85	C
2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	0	STON/O2. 3101282	7.9250	NaN	S
3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	0	113803	53.1000	C123	S
4	5	0	3	Allen, Mr. William Henry	male	35.0	0	0	373450	8.0500	NaN	S
5	6	0	3	Moran, Mr. James	male	NaN	0	0	330877	8.4583	NaN	Q
6	7	0	1	McCarthy, Mr. Timothy J	male	54.0	0	0	17463	51.8625	E46	S
7	8	0	3	Palsson, Master. Gosta Leonard	male	2.0	3	1	349909	21.0750	NaN	S

若要查看DataFrame的前 N 行，使用 head（） 方法和所需的行数

对最后 N 行感兴趣？Pandas 也提供了一个 tail() 方法。例如，titanic.tail(10) 将返回数据帧的最后 10 行。

titanic.tail(10)

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
881	882	0	3	Markun, Mr. Johann	male	33.0	0	0	349257	7.8958	NaN	S
882	883	0	3	Dahlberg, Miss. Gerda Ulrika	female	22.0	0	0	7552	10.5167	NaN	S
883	884	0	2	Banfield, Mr. Frederick James	male	28.0	0	0	C.A./SOTON 34068	10.5000	NaN	S
884	885	0	3	Sutehall, Mr. Henry Jr	male	25.0	0	0	SOTON/OQ 392076	7.0500	NaN	S
885	886	0	3	Rice, Mrs. William (Margaret Norton)	female	39.0	0	5	382652	29.1250	NaN	Q
886	887	0	2	Montvila, Rev. Juozas	male	27.0	0	0	211536	13.0000	NaN	S
887	888	1	1	Graham, Miss. Margaret Edith	female	19.0	0	0	112053	30.0000	B42	S
888	889	0	3	Johnston, Miss. Catherine Helen "Carrie"	female	NaN	1	2	W./C. 6607	23.4500	NaN	S
889	890	1	1	Behr, Mr. Karl Howell	male	26.0	0	0	111369	30.0000	C148	C
890	891	0	3	Dooley, Mr. Patrick	male	32.0	0	0	370376	7.7500	NaN	Q

通过请求 pandas dtypes 属性可以检查 pandas 如何解释每个列数据类型：

titanic.dtypes

PassengerId      int64
Survived         int64
Pclass           int64
Name            object
Sex             object
Age            float64
SibSp            int64
Parch            int64
Ticket          object
Fare           float64
Cabin           object
Embarked        object
dtype: object

对于每一列，将标记使用的数据类型。此DataFrame中的数据类型是整数 （int64）、浮点数 （float64） 和字符串 （object）

【注意】当要求dtypes时，不使用括号！dtypes 是DataFrame和Series的属性。DataFrame或Series的属性不需要括号。属性表示数据帧/系列的特征，而方法（需要括号）对SeriesDataFrameDataFrame/Series执行某些操作

我的同事要求将泰坦尼克号的数据作为电子表格。

titanic.to_excel('titanic.xlsx', sheet_name="passengers", index=False)

read_** 函数用于向 pandas 读取数据，to_* 方法用于存储数据。to_excel() 方法将数据存储为 excel 文件。在此示例中，sheet_name被命名为乘客，而不是默认的 Sheet1。通过设置 index=False，行索引标签不会保存在电子表格中。

等效的读取函数 read_excel() 会将数据重新加载到DataFrame:

titanic = pd.read_excel("titanic.xlsx", sheet_name="passengers")

titanic.head()

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	0	A/5 21171	7.2500	NaN	S
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1	0	PC 17599	71.2833	C85	C
2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	0	STON/O2. 3101282	7.9250	NaN	S
3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	0	113803	53.1000	C123	S
4	5	0	3	Allen, Mr. William Henry	male	35.0	0	0	373450	8.0500	NaN	S

我对DataFrame的信息摘要感兴趣

titanic.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
 #   Column       Non-Null Count  Dtype  
---  ------       --------------  -----  
 0   PassengerId  891 non-null    int64  
 1   Survived     891 non-null    int64  
 2   Pclass       891 non-null    int64  
 3   Name         891 non-null    object 
 4   Sex          891 non-null    object 
 5   Age          714 non-null    float64
 6   SibSp        891 non-null    int64  
 7   Parch        891 non-null    int64  
 8   Ticket       891 non-null    object 
 9   Fare         891 non-null    float64
 10  Cabin        204 non-null    object 
 11  Embarked     889 non-null    object 
dtypes: float64(2), int64(5), object(5)
memory usage: 83.7+ KB

info()提供了有关DataFrame的技术信息，因此让我们更详细地解释输出：

它确实是一个DataFrame.

有 891 个条目，即 891 行。

每行都有一个行标签（也称为index），其值范围为 0 到 890。

该表有 12 列。大多数列的每一行都有一个值（所有 891 个值都是non-null）。某些列确实具有缺失值，并且非non-null值少于 891 个。

“Name”、“Sex”、“Cabin”和Embarked”列由文本数据（字符串，又名object）组成。其他列是数字数据，其中一些是整数（又名integer），另一些是实数（又名float数).

不同列中的数据类型（字符、整数,…）通过列出 dtypes 进行汇总.

还提供了用于保存数据帧的大致 RAM 量。

【2】小结

read_* 函数支持从许多不同的文件格式或数据源将数据传入 pandas。

从pandas中导出数据由不同的to_*方法提供。

head/tail/info 方法和 dtypes 属性便于第一次检查。