前言

一、基础语法与功能

二、参数说明和代码演示

1.path_or_buf 选择文件/文件路径写入

2.sep 指定分隔符

3.na_rep 指定缺少数据表示

4.float_format 指定浮点型字符串输出格式

5. columns 指定要写入的列

7.index 是否写入行名称（索引）。

8.index_label 是否写入列标签（索引）。

9.mode 指定写入的模式

10.encoding 表示输出文件中使用的编码的字符串

11.compression 输出数据的动态压缩

12.quoting 设置引用格式

13.quotechar 引用字符

14.lineterminator 输出文件中使用的换行符或字符序列

15.chunksize 指定一次写入的行

16.date_format 指定日期时间对象的格式字符串

17.doublequote 控制字段内quotechar的引用。

18.escapechar

19.decimal 字符识别为十进制分隔符

20.errors 指定如何处理编码和解码错误

点关注，防走丢，如有纰漏之处，请留言指教，非常感谢

前言

Pandas常用作数据分析工具库以及利用其自带的DataFrame数据类型做一些灵活的数据转换、计算、运算等复杂操作，但都是建立在我们获取数据源的数据之后。因此作为读取数据源信息的接口函数必然拥有其强大且方便的能力，在读取不同类源或是不同类数据时都有其对应的read函数可进行先一步处理，这会减少我们相当大的一部分数据处理操作。每一个read()和to()函数，作为一名数据分析师我个人认为都应该掌握且熟悉它对应的参数，相对应的read()函数博主已有四篇文章详细解读了read_json、read_excel和read_sq、read_csv()，to()函数有两篇to_sql和to_json。

纵观整个数据源路径来看，最常用的数据存储对象：SQL、JSON、EXCEL以及这次要详解的CSV都遍及全了。如果能够懂得该函数参数的使用可以减少大量后续处理DataFrame数据结构的代码，仅需要设置几个to_csv参数就可实现，因此本篇文章初衷为详细介绍并运用此函数来达到彻底掌握的目的。希望读者看完能够提出问题或者看法，博主会长期维护博客做及时更新，希望大家喜欢。

一、基础语法与功能

to_csv基础语法格式为：

DataFrame.to_csv(path_or_buf=None, 
                sep=',', 
                na_rep='', 
                float_format=None, 
                columns=None, 
                header=True, 
                index=True, 
                index_label=None, 
                mode='w', 
                encoding=None, 
                compression='infer', 
                quoting=None, 
                quotechar='"', 
                lineterminator=None, 
                chunksize=None, 
                date_format=None, 
                doublequote=True, 
                escapechar=None, 
                decimal='.', 
                errors='strict', 
                storage_options=None)

可以看到参数是相当多的，比起read_excel、read_json和read_sql加起来还要多。说明了使用csv文件存储数据的频率是其他记录数据文件的几倍之高，因此关于csv文件的处理参数也会有如此之多。这是好事，等到我们将csv文件转换为了DataFrame数据再处理时，就需要写很多代码去处理，提供了这么多参数可以大大加快我们处理文件的效率。

我们将要转为csv的数据dataframe为：

二、参数说明和代码演示

以下为官方文档，推荐直接点目录看：

pandas.DataFrame.to_csv — pandas 1.5.2 documentation

1.path_or_buf 选择文件/文件路径写入

接收类型：str, path object, file-like object, or None, default None

参数说明：字符串、路径对象（实现os.PathLike[str]）或实现write（）函数的类似文件的对象。如果无，结果将作为字符串返回。如果传递了非二进制文件对象，则应使用换行符=“”打开该对象，禁用通用换行符。如果传递了二进制文件对象，则模式可能需要包含“b”。

2.sep 指定分隔符

接收类型：str, default ‘,’

参数说明：长度为1的字符串。输出文件的字段分隔符。

test_df.to_csv('./test_df.csv',sep=';')

3.na_rep 指定缺少数据表示

接收类型：str, default ‘’

参数说明：缺少数据表示。可以理解为填充空值，使用fillnan也可以。

4.float_format 指定浮点型字符串输出格式

接收类型：str, Callable, default None

参数说明：设置浮点数的字符串格式。如果给定Callable，则它优先于其他数字格式参数，如十进制。

test_df.to_csv('./test_df.csv',sep=';',float_format='%.0f')

5. columns 指定要写入的列

接收类型：sequence, optional

参数说明：指定要写入的列

test_df.to_csv('./test_df.csv',sep=';',float_format='%.0f',columns=['speed','dt'])

接收类型：bool or list of str, default True

参数说明：写出列名。如果给定了字符串列表，则假定为列名的别名。如果需要追加写入的话该选项要设置为False。

test_df.to_csv('./test_df.csv',sep=';',float_format='%.0f',columns=['speed','dt'],header=False)

7.index 是否写入行名称（索引）。

接收类型：bool, default True

参数说明：写入行名称（索引）。如果需要追加写入的话该选项要设置为False。

8.index_label 是否写入列标签（索引）。

接收类型：str or sequence, or False, default None

参数说明：索引列的列标签（如果需要）。如果给定None，并且头和索引为True，则使用索引名称。如果对象使用MultiIndex，则应给出序列。如果为False，则不打印索引名称的字段。使用index_label=False可以更容易地在R中导入。

test_df.to_csv('./test_df.csv',sep=';',float_format='%.0f',header=True,index_label=False)

9.mode 指定写入的模式

接收类型：str, default ‘w’

参数说明：Python编写模式。可用的写入模式与open()是一样的。

只读模式r	文件不存在报错
r（rt）	只读方式打开文本文件，光标位于文件开头（默认模式）
rb	读取二进制格式文件，光标位于文件开头
r+	读写文件，光标位于文件开头
rb+	读写二进制文件，光标位于文件开头

写入模式 w	文件存在则覆盖，否则创建新文件
w（wt）	写入文本文件
wb	写入二进制文件
w+	写入和读取文件
wb+	写入和读取二进制文件

追加写入模式 a	文件存在则末尾追加，否则创建新文件
a（at）	追加写入文本文件
ab	追加写入二进制文件
a+	追加写入和读取文件
ab+	追加写入和读取二进制文件

10.encoding 表示输出文件中使用的编码的字符串

接收类型：str, optional

参数说明：表示输出文件中使用的编码的字符串，默认为“utf-8”。如果path_or_buf是非二进制文件对象，则不支持编码。

11.compression 输出数据的动态压缩

接收类型：str or dict, default ‘infer’

参数说明：用于输出数据的动态压缩。如果“infect”和“path_or_buf”是类似路径的，则从以下扩展名检测压缩：“.gz”、“.bz2”、“.zip”、“.xz”、”.zst“、”.tar“、”.tar.gz“、”.star.xz“或”.tar.bz2“（否则不压缩）。设置为“无”表示无压缩。也可以是关键字“method”设置为｛“zip”、“gzip”、“bz2”、“zstd”、“tar”｝之一的dict，其他键值对分别转发到zipfile.zipfile、gzip.GzipFile、bz2.BZ2File、zstandard.ZstdCompressor或tarfile.tarfile。例如，为了更快地压缩并创建可复制的gzip存档，可以传递以下命令：compress={‘method‘：‘gzip‘，‘compresslevel‘：1，‘mtime‘：1｝。

12.quoting 设置引用格式

接收类型：optional constant from csv module
参数说明：默认值为csv.QUOTE_MINIMAL。如果设置了float_format，则float将转换为字符串，因此csv.QUITE_NONNUMERIC将它们视为非数字。

13.quotechar 引用字符

接收类型：str, default ‘"’

参数说明：长度为1的字符串。用于引用字段的字符。

14.lineterminator 输出文件中使用的换行符或字符序列

接收类型：str, optional

参数说明：要在输出文件中使用的换行符或字符序列。默认为os.lineep，这取决于调用此方法的操作系统（“\n”表示linux，“\r\n”表示Windows，即）。

15.chunksize 指定一次写入的行

接收类型：int or None

参数说明：一次写入的行。

16.date_format 指定日期时间对象的格式字符串

接收类型：str, default None

参数说明：日期时间对象的格式字符串。

test_df.to_csv('./test_df.csv',sep=';',date_format='yyyy/mm/dd')

17.doublequote 控制字段内quotechar的引用。

接收类型：bool, default True

参数说明：控制字段内quotechar的引用。

18.escapechar

接收类型：str, default None

参数说明：长度为1的字符串。适当时用于转义sep和quotechar的字符。

19.decimal 字符识别为十进制分隔符

接收类型：str, default ‘.’

参数说明：字符被识别为十进制分隔符。E、 g.欧洲数据使用“，”。

20.errors 指定如何处理编码和解码错误

接收类型：str, default ‘strict’

参数说明：指定如何处理编码和解码错误。有关选项的完整列表，可参阅open（）的errors参数。

点关注，防走丢，如有纰漏之处，请留言指教，非常感谢

以上就是本期全部内容。我是fanstuck ，有问题大家随时留言讨论，我们下期见

Pandas.to_csv()函数及全部参数使用方法一文详解+实例代码

前言

一、基础语法与功能

二、参数说明和代码演示

1.path_or_buf 选择文件/文件路径写入

2.sep 指定分隔符

3.na_rep 指定缺少数据表示

4.float_format 指定浮点型字符串输出格式

5. columns 指定要写入的列

6.header 是否需要写入列名

7.index 是否写入行名称（索引）。

8.index_label 是否写入列标签（索引）。

9.mode 指定写入的模式

10.encoding 表示输出文件中使用的编码的字符串

11.compression 输出数据的动态压缩

12.quoting 设置引用格式

13.quotechar 引用字符

14.lineterminator 输出文件中使用的换行符或字符序列

15.chunksize 指定一次写入的行

16.date_format 指定日期时间对象的格式字符串

17.doublequote 控制字段内quotechar的引用。

18.escapechar

19.decimal 字符识别为十进制分隔符

20.errors 指定如何处理编码和解码错误

点关注，防走丢，如有纰漏之处，请留言指教，非常感谢

相关文章