pandas之所以能成为Python数据分析领域的事实标准库，是因为它对日常数据分析的便捷操作和全面覆盖。这部分内容主要讲解通过pandas读取不同类型文件的数据、将数据表保存成不同类型的文件，以及如何通过识别和创建行、列来操作数据。

1.pandas支持读写的数据格式

从常见的Excel和CSV到JSON及各种数据库，pandas支持市面上大部分主流数据数据存储形式。

pandas提供了一组顶层的I/O API，如pandas.read_csv()等方法，这些方法可以将众多格式的数据读取到DataFrame数据结构中，经过分析处理后，还可以通过类似DataFrame.to_csv()的方法导出数据。

格式	文件格式	读取函数	输出文件函数
binary	Excel	read_excel	to_excel
text	CSV	read_csv、read_table	to_csv
text	JSON	read_json	to_json
text	网页HTML表格	read_html	to_html
text	本地剪切板	read_clipboard	to_clipboard
SQL	SQL查询数据库	read_sql	to_sql
text	Markdown		to_markdown

读取方法一般类似于这样：

pd.read_csv(‘data.csv’) # 如果文件与代码文件在同一目录下

pd.read_csv(‘data/my/data.csv’) # 指定目录

pd.read_csv(‘data/my/my.data’) # CSV文件的扩展名不一定是.csv

pd.read_csv(‘网址/GDP-China.csv’) #通过网络链接读取

csv

CSV（Comma-Separated Values）是用逗号分隔值的数据形式，有时也被称为字符分隔值，因为分隔字符也可以不是逗号。

CSV文件的一般文件扩展名为.csv，用制表符号分隔也常用.tsv作为扩展名。

CSV不仅可以使一个实体文件，还可以是字符形式，以便于在网络上传输。

Excel缺点

Excel一般可以将它的使用分为两类，一类是文字或信息的结构化，像排班表、工作日报、客户名单之类，以文字为主，另一类为统计报表，如学生成绩表、销售表等，以数字为核心，pandas主要处理统计报表，当然也可以对文字信息类表格做整理。

Excel在数据分析也有缺点，它无法进行复杂的处理，有时候提供的函数和处理方法无法满足复杂逻辑，

同时Excel无法支持更大的数据量，目前Excel支持的行数上限为1 048 576（2的20次方），列数上限为16 384（2的14次方，列标签为XFD），在数据分析、机器学习操作中往往会超过这个体量。

此外Excel的处理方法无法复用，Excel一般采用设定格式的公式，然后将数据再复制，但这样仍然无法对数据的处理过程进行灵活复用。

最后Excel的自动化也很有限，数据分析要经过一个数据输入、处理、分析和输出的过程，这些都需要由人工来进行操作。

pandas读取Excel时可以指定读取工作簿的哪张工作表，需要在参数中加上sheet_name=’工作簿表名称’

JSON

JSON是互联网上非常通用的轻量级数据交换格式，是HTTP请求中数据的标准格式之一，pandas提供的JSON读取方法在解析网络爬虫数据时，可以吉大的提高效率。

读取方法可以是：pd.read_json(‘data.json’)

pandas可以解析一个JSON字符串，以下是从HTTP服务检测到的 设备信息：

jdata='{"res":{"model":"iPhone","browser":"Safari","version":"604.1"},"status":200}'
pd.read_json(jdata)
'''
            res  status
browser  Safari     200
model    iPhone     200
version   604.1     200
'''

pandas还提供了pd.json_normalize(data)方法来读取半结构化的JSON数据

HTML

pd.read_html()函数可以接受HTML字符串、HTML文件、URL，并将HTML中的<table>标签表格数据解析为DataFrame。如返回有多个df的列表，则可以通过索引取第几个。如果夜里面只有一个表格，那么这个列表就只有一个DataFrame。此方法是pandas提供的一个简单实用的实现爬虫功能的方法。

dfs = pd.read_html('https://www.gairuo.com/p/pandas-io')
dfs[0] # 查看第一个df
# 读取网页文件，第一行为表头
dfs = pd.read_html('data.html', header=0)
# 第一列为索引
dfs = pd.read_html(url, index_col=0)

如果一个网页的表格有许多，可以指定元素来获取：

# id='table'的表格，注意这里仍然可能返回多个
dfs1 = pd.read_html(url, attrs={'id': 'table'})
# dfs1[0]
# class='sortable'
dfs2 = pd.read_html(url, attrs={'class': 'sortable'})

其他常用的参数与read_csv基本相同

剪切板

剪切板（Clipboard）是操作系统级的一个暂存数据的地方，它保存在内存中，可以在不同软件之间传递。

Pandas支持读取剪切板中的结构化数据，这就意味着我们不用将数据保存成文件，而可以直接从网页、Excel等文件中复制，然后从操作系统的剪切板中读取，非常方便。

SQL

pandas需要引入SQLAlchemy库来支持SQL，在SQLAlchemy的支持下，它可以实现所有常见数据库类型的查询、更新等操作。pandas连接数据库进行查询和更新的方法如下：

read_sql_table(table_name, con[, schema, …])：把数据表里的数据转换成DataFrame。

read_sql_query(sql, con[, index_col, …])：用sql查询数据到DataFrame中。

read_sql(sql, con[, index_col, …])：同时支持上面两个功能。

DataFrame.to_sql(self, name, con[, schema, …])：把记录数据写到数据库里。

示例：

# 需要安装SQLAlchemy库
from sqlalchemy import create_engine
# 创建数据库对象，SQLite内存模式
engine = create_engine('sqlite:///:memory:')
# 取出表名为data的表数据
with engine.connect() as conn, conn.begin():
    data = pd.read_sql_table('data', conn)

# data
# 将数据写入
data.to_sql('data', engine)
# 大量写入
data.to_sql('data_chunked', engine, chunksize=1000)
# 使用SQL查询
pd.read_sql_query('SELECT * FROM data', engine)

更多格式可以在pandas官网（https://pandas.pydata.org/docs/user_guide/io.html）查询。

2.读取CSV

由于CSV文件使用非常频繁、功能强大、参数众多，这里专门用一节来介绍

pd.read_csv()语法

pd.read_csv(filepath_or_buffer: Union[str, pathlib.Path, IO[~AnyStr]],
            sep=',', delimiter=None, header='infer', names=None, index_col=None,
            usecols=None, squeeze=False, prefix=None, mangle_dupe_cols=True,
            dtype=None, engine=None, converters=None, true_values=None,
            false_values=None, skipinitialspace=False, skiprows=None,
            skipfooter=0, nrows=None, na_values=None, keep_default_na=True,
            na_filter=True, verbose=False, skip_blank_lines=True,
            parse_dates=False, infer_datetime_format=False,
            keep_date_col=False, date_parser=None, dayfirst=False,
            cache_dates=True, iterator=False, chunksize=None,
            compression='infer', thousands=None, decimal: str = '.',
            lineterminator=None, quotechar='"', quoting=0,
            doublequote=True, escapechar=None, comment=None,
            encoding=None, dialect=None, error_bad_lines=True,
            warn_bad_lines=True, delim_whitespace=False,
            low_memory=True, memory_map=False, float_precision=None)

数据内容 filepath_or_buffer

filepath_or_buffer作为第一个参数，没有默认值也不能为空，根据Python的语法，第一个参数传参时可以不写参数名，可以传文件路径，文件路径支持本地相对路径或绝对路径，CSV文件的扩展名也不需要必须是.csv结尾。

第一个参数也可以传字符串，也就是将一段字符串识别成CSV格式再转换成DataFrame。

from io import StringIO
data = ('col1,col2,col3\n'
        'a,b,1\n'
        'a,b,2\n'
        'c,d,3')

pd.read_csv(StringIO(data))
pd.read_csv(StringIO(data), dtype=object)

也可以传入字节数据：

from io import BytesIO
data = (b'word,length\n'
        b'Tr\xc3\xa4umen,7\n'
        b'Gr\xc3\xbc\xc3\x9fe,5')

pd.read_csv(BytesIO(data))

分隔符 sep

sep参数是字符类型的，代表每行数据内容的分隔符号，默认是英文逗号，另外常见的还有制表符（\t）、空格等，可以根据数据的实际情况传值：

# 数据分隔符默认是逗号，可以指定为其他符号
pd.read_csv(data, sep='\t') # 制表符分隔tab
pd.read_table(data) # read_table 默认是制表符分隔tab
pd.read_csv(data, sep='|') # 制表符分隔tab
pd.read_csv(data,sep="(?<!a)\|(?!1)", engine='python') # 使用正则表达式

pd.read_csv还提供给了一个参数名为delimiter的定界符，这是一个备选分隔符，是sep的别名，效果和sep一样。如果指定该参数，则sep参数失效。

表头 header

header参数支持支持整形和由整形组成的列表，指定第几行是表头，默认会把第一行当做表头。表头指的是列标签的那一行，也就是将哪一行当做列标签。

pd.read_csv(data, header=0) # 第一行
pd.read_csv(data, header=None) # 没有表头
pd.read_csv(data, header=[0,1,3]) # 多层索引MultiIndex

如果skip_blank_lines=True，header参数将忽略空行和注释行 ，因此header=0表示第一行数据而非文件的第一行。

列名 names

names用来指定列的名称，它是一个类似列表的序列，与数据一一对应，入股文件不包含列名，那么应该设置header=None，列名列表中不允许有重复值。

列名与表头好像是同一种东西，都是指数据表的列标签，但是如果设置了列名，那么列名就会替代掉表头。

如果设置header=1，然后设置列名，因为设置了header=1，原始数据表的索引值为1的行被当成表头，此时列名names又会将表头覆盖，那么DataFrame的内容是从原数据表的第3行开始的。

假如源数据表有5列，但names仅设置了4个列标签，那么最后一个列标签，对应最后一列数据，第一个列标签就要对应2列数据？

这里还是有问题没搞懂，以后再试。

索引 index_col

index_col用来指定索引列，可以使行索引的列编号或者列名，如果给定一个序列，则会有多个行索引。pandas不会自动将第一列作为索引，如果不手动指定索引，那么pandas会自动以0开始的数列作为自然索引。

# 支持int、str、int序列、str序列、False，默认为None
pd.read_csv(data, index_col=False) # 不再使用首列作为索引
pd.read_csv(data, index_col=索引值) # 指定将第几列的内容作为索引
pd.read_csv(data, index_col='列标签') # 指定哪一列作为索引
pd.read_csv(data, index_col=['a','b']) # 多个索引
pd.read_csv(data, index_col=[0, 3]) # 按列索引指定多个索引

使用部分列 usecols

如果只使用数据的部分列，可以用usecols来指定，这样可以加快加载速度并降低内存消耗。

# 支持类似列表的序列和可调用对象
# 读取部分列
pd.read_csv(data, usecols=[0,4,3]) 
# 按索引只读取指定列，不会改变列的排序，即便只有一个索引，也需要方括号
#也就是说，即便指定索引时，将索引值为4的列放在索引值为3的列的前面，但输出时，索引值为3的列依然会出现在索引值4的列的前面

pd.read_csv(data, usecols=['列1', '列5']) # 按列名，列名必须存在

# 指定列顺序，其实是df的筛选功能，注意圆括号在第一组方括号后就已闭合
pd.read_csv(data, usecols=['列1', '列5'])[['列5', '列1']]

# 以下用callable方式可以巧妙指定顺序，in后面的是我们要的顺序
pd.read_csv(data, usecols=lambda x: x.upper() in ['COL3', 'COL1'])

返回序列 squeeze

将squeeze设置为True，如果文件仅包含一列，会返回一个Series，如果有多列，则还是返回DataFrame。

这个功能好像在未来版本会被放弃？

将squeeze设置为True，如果文件只包含一列，则返回一个Series，如果有多列，则还是返回DataFrame。

# 布尔型，默认为False
# 下例只取一列，会返回一个Series
pd.read_csv(data, usecols=[0], squeeze=True)
# 有两列则还是df
pd.read_csv(data, usecols=[0, 2], squeeze=True)

通过type()函数可以查看对象是Series还是DataFrame

表头前缀 prefix

如果原始数据没有列名，可以指定一个前缀加序数的名称，如n0、n1，通过prefix参数指定前缀。

想要使用prefix参数，该数据表必须没有表头，或者将header参数设置为None。

之后，数据表的列标签，会被改成指定自己指定的字符+从0开始的索引值

df=pd.read_csv('1.csv',prefix='c',header=None)
print(df)

#输出的数据表，每列的列标签以c开头，后面跟着索引值，如c0、c1、c2...

处理重复列名 mangle_dupe_cols

如果该参数为True，当列名有重复时，解析列名将便为X，X.1，…，X.N，

如果该参数为False，那么当列名有重复时，前面的列会被后面的列覆盖

# 布尔型，默认为True
data = 'a,b,a\n0,1,2\n3,4,5'
pd.read_csv(StringIO(data), mangle_dupe_cols=True)
# 表头为a b a.1
# False会报ValueError错误

该功能在未来会被删除，现在没有这个参数，重复的列的列标签，也会以X.1、X.2这样的形式出现。

数据类型 dtype

dtype可以指定各数据列的数据类型

# 传入类型名称，或者以列名为键、以指定类型为值的字典
pd.read_csv(data, dtype=np.float64) # 所有数据均为此数据类型
pd.read_csv(data, dtype={'c1':np.float64, 'c2': str}) # 指定字段的类型
pd.read_csv(data, dtype=[datetime, datetime, str, float]) # 依次指定

引擎 engine

使用分析引擎可以选择C或Python。C语言的速度最快，Python语言的功能最为完善，一般情况下不需要指定。

# 格式为engine=None，其中可选值有{'c', 'python'}
pd.read_csv(data, engine='c')

列数据处理 converters

使用converters参数对列的数据进行转换，参数中指定列名与针对此列的处理函数，最终以字典的形式传入，字典的键可以使列名或者列的序号。

# 字典格式，默认为None
data = 'x,y\na,1\nb,2'
def foo(p):
    return p+'s'
# x应用函数，y使用lambda
pd.read_csv(StringIO(data), converters={'x': foo,
                                        'y': lambda x: x*3})
# 使用列索引
pd.read_csv(StringIO(data),
            converters={0: foo, 1: lambda x: x*3})

真假值转换 true_values/false_values

使用true_values和false_values将指定的文本内容转换为True或False，可以用列表指定多个值。

# 列表，默认为None
data = ('a,b,c\n1,Yes,2\n3,No,4')
pd.read_csv(StringIO(data),
            true_values=['Yes'], false_values=['No'])

（未成功测试）

跳过指定行 skip_rows、skipfooter、skip_blank_lines

跳过需要忽略的行数（从文件开始处算起），或需要忽略的行号列表（从0开始），可以使用skip_rows、skipfooter、skip_blank_lines参数。

用法如下：

skiprows=要跳过的行数 #数字是多少，就跳过多少行
skiprows=range(要跳过的行数)
skiprows=[行索引,行索引,行索引] #填入行索引，指定跳过哪几行
skiprows=lambda x: x % 2 != 0 #隔行跳过

skipfooter=1,engine=’python’ #跳过最后一行，需要指定engine=python

skip_blank_lines指定是否跳过空行，默认为True，设置为False则数据标记为Nan

读取指定行数 n_rows

nrows参数用于指定需要读取的行数，从文件的第一行开始算，经常用于在读取较大数据时先读取部分进行代码编写。

nrows=要读取的行数（不包含列表）

也就是说，假如nrows=10，那么会先读取第一行列标签，然后再往下读取10行数据

将指定内容替换为NaN na_values

na_values参数的值是一组用于替换NA/NaN的值。如果传参，需要指定特定列的控制，以下默认会被认定为空值：

[‘-1.#IND’, ‘1.#QNAN’, ‘1.#IND’, ‘-1.#QNAN’,
‘#N/A N/A’, ‘#N/A’, ‘N/A’, ‘n/a’, ‘NA’,
‘#NA’, ‘NULL’, ‘null’, ‘NaN’, ‘-NaN’,
‘nan’, ‘-nan’, ”]

na_values=['字符串',数字]	#将指定的内容替换为NaN

注意，这里是指定将什么内容替换成NaN，而不是出现空值后用什么来补，不要弄反了

使用na_values时需要关注下面keep_default_na的配合使用和影响

# 可传入标量、字符串、类似列表序列和字典，默认为None
# 5和5.0会被认为是NaN
pd.read_csv(data, na_values=[5])
# ?会被认为是NaN
pd.read_csv(data, na_values='?')
# 空值为NaN
pd.read_csv(data, keep_default_na=False, na_values=[""])
# 字符NA和字符0会被认为是NaN
pd.read_csv(data, keep_default_na=False, na_values=["NA", "0"])
# Nope会被认为是NaN
pd.read_csv(data, na_values=["Nope"])
# a、b、c均被认为是NaN，等于na_values=['a','b','c']
pd.read_csv(data, na_values='abc')
# 指定列的指定值会被认为是NaN
pd.read_csv(data, na_values={'c':3, 1:[2,5]})

保留默认空值 keep_default_na

分析数据时是否包含默认的NaN值，是否自动识别。如果指定na_values参数，并且keep_default_na=False，那么默认的NaN将被覆盖，否则添加。

keep_default_na和na_values的关系见下表：

keep_default_na	na_values	逻辑
True	指定	na_values的配置附加处理
True	未指定	自动识别
False	指定	使用na_values的配置
False	未指定	不作处理

如果na_filter为False（默认为True），那么keep_default_na和na_values参数均无效。

# 布尔型，默认为True
# 不自动识别空值
pd.read_csv(data, keep_default_na=False)

na_filter为是否检查丢失空值（空字符串或空值）。对于大文件来说，数据集中没有空值，设定na_filter=False可以提升读取速度。

日期时间解析 date_parser

日期时间解析器参数date_parser用于解析日期的函数，默认使用dateutil.parser.parser来转换。

如果为某些或所有列启用了parse_dates，并且datetime字符串的格式都相同，则通过设置infer_date_format=True，可以大大提高解析速度，pandas将尝试推断datetime字符串的格式，然后使用更快的方法解析字符串，从而将解析速度提高数倍。如果无法对整列做出正确的推断解析，pandas将返回到正常的解析模式。

下面是一些可自动推断的日期时间字符串示例，它们都表示2020年12月30日00:00:00：

“20201230”

“2020/12/30”

“20201230 00:00:00”

“12/30/2020 00:00:00”

“30/Dec/2020 00:00:00”

“30/December/2020 00:00:00”

# 解析时间的函数名，默认为None
# 指定时间解析库，默认是dateutil.parser.parser
date_parser = pd.io.date_converters.parse_date_time
date_parser = lambda x: pd.to_datetime(x, utc=True, format='%d%b%Y')
date_parser = lambda d: pd.datetime.strptime(d, '%d%b%Y')
# 使用
pd.read_csv(data, parse_dates=['年份'], date_parser=date_parser)

parse_dates参数用于对时间日期进行解析。

# 布尔型、整型组成的列表、列表组成的列表或者字典，默认为False
pd.read_csv(data, parse_dates=True) # 自动解析日期时间格式
pd.read_csv(data, parse_dates=['年份']) # 指定日期时间字段进行解析
# 将第1、4列合并解析成名为“时间”的时间类型列
pd.read_csv(data, parse_dates={'时间':[1,4]})

如果infer_datetime_format被设定为True并且parse_dates可用，那么Pandas将尝试转换为日期类型。

# 布尔型，默认为False
pd.read_csv(data, parse_dates=True, infer_datetime_format=True)

如果用上文中的parse_dates参数将多列合并并解析成一个时间列，设置keep_date_col的值为True时，会保留这些原有的时间组成列；如果设置为False，则不保留这些列。

# 布尔型，默认为False
pd.read_csv(data, parse_dates=[[1, 2], [1, 3]], keep_date_col=True)

对于DD/MM格式的日期类型，如日期2020-01-06，如果dayfirst=True，则会转换成2020-06-01。

# 布尔型，默认为False
pd.read_csv(data, dayfirst=True, parse_dates=[0])

cache_dates如果为True，则使用唯一的转换日期缓存来应用datetime转换。解析重复的日期字符串，尤其是带有时区偏移的日期字符串时，可能会大大提高速度。

# 布尔型，默认为True
pd.read_csv(data, cache_dates=False)

文件处理 iterator

以下是一些对读取文件对象的处理方法。iterator参数如果设置为True，则返回一个TextFileReader对象，并可以将它进行迭代，以便逐块处理文件。

#布尔型，默认为False
pd.read_csv(data,iterator=True)

chunksize参数可以指定文件块的大小，分块处理大型CSV文件

# 整型，默认为None
pd.read_csv(data, chunksize=100000)
# 分块处理大文件
df_iterator = pd.read_csv(file, chunksize=50000)
def process_dataframe(df):
    pass
    return processed_df

for index,df_tmp in enumerate(df_iterator):
    df_processed = process_dataframe(df_tmp)
    if index > 0:
       df_processed.to_csv(path)
    else:
       df_processed.to_csv(path, mode='a', header=False)

compression（压缩格式）用于对磁盘数据进行及时解压缩，如果为“infer”，且filepath_or_buffer是以.gz、.bz2、,zip或.xz结尾的字符串，则使用gzip、bz2、zip或xz，否则不进行解压缩。

如果使用zip，则ZIP文件必须仅包含一个要读取的数据文件。设置为None将不进行解压缩。

# 可选值有'infer'、'gzip'、'bz2'、'zip'、'xz'和None，默认为'infer'
pd.read_csv('sample.tar.gz', compression='gzip')

encoding（编码）可以指定字符集类型，通常为【utf-8】

# 字符型，默认为None
pd.read_csv('gairuo.csv', encoding='utf8')
pd.read_csv("gairuo.csv",encoding="gb2312") # 常见中文

符号 千分位分隔符thosands、小数点decimal、行结束符lineterminator、引号tuotechar

以下是对文件中的一些数据符号进行的特殊识别处理。

#字符型，默认为None

#设置千分位分隔符thosands
pd.read_csv('x.csv',thosands=',')	#逗号分隔

#小数点decimal，识别为小数点的字符
decimal=','

#行结束符lineterminator，将文件分成几行的字符，仅对C解释器有效
# 长度为1的字符串，默认为None
data = 'a,b,c~1,2,3~4,5,6'
pd.read_csv(StringIO(data), lineterminator='~')

#引号tuotechar，用于表示引用数据的开始和结束的字符。
#引用的项目可以包含定界符，它将被忽略
#长度为1的字符串
pd.read_csv(file,quotechar='"')

在csv模块中，数据可能会用引号等字符包裹起来，quoting参数用来控制识别字段的引号模式，它可以是Python csv模块中的csv.QUOTE_*常量，也可以传入对应的数字。各个传入值的意义如下。

0或csv.QUOTE_MINIMAL：仅特殊字段有引号。

1或csv.QUOTE_ALL：所有字段都有引号。

2或csv.QUOTE_NONNUMERIC：所有非数字字段都有引号。

3或csv.QUOTE_NONE：所有字段都没有引号。

如果使用csv模块，则需要事先引入csv模块。

# 整型或者csv.QUOTE_*实例, 默认为0
import csv
pd.read_csv('input_file.csv', quoting=csv.QUOTE_NONE)

双引号doublequote，当单引号已经被定义，并且quoting参数不是QUOTE_NONE的时候，使用双引号表示将引号内的元素作为一个元素使用。

# 布尔型，默认为True
import csv
pd.read_csv('data.csv', quotechar='"', doublequote=True, quoting=csv.QUOTE_NONNUMERIC)

escapechar可以传入一个转义符，用于过滤数据中的该转入符。比如，如果一行用双引号包裹着的数据中有换行符，用以下代码可以过滤其中的换行符。

# 长度为1的转义字符串，默认为None
pd.read_csv(StringIO(data), escapechar='\n', encoding='utf-8')

注释标识comment，指示不应分析行的部分。如果在一行的开头找到该标识，则将完全忽略该行。此参数必须是单个字符。像空行一样（只要skip_blank_lines = True），注释的行将被参数header忽略，而不是被skiprows忽略。例如，如果comment =’＃’，则解析header=0的’#empty \ na，b，c \ n1,2,3’会将’a，b，c’视为header。

# 字符串，默认为None
s = '# notes\na,b,c\n# more notes\n1,2,3'
pd.read_csv(StringIO(s), sep=',', comment='#', skiprows=1)

空格分隔符delim_whitespace，指定是否将空格（例如”或’\ t’）用作分隔符，等效于设置sep =’\s+’。如果此选项设置为True，则不应该为delimiter参数传递任何内容。

# 布尔型，默认为False
pd.read_csv(StringIO(data), delim_whitespace=False)

3.读取Excel

pandas.read_excel接口语法如下：

pd.read_excel(io, sheet_name=0, header=0,
              names=None, index_col=None,
              usecols=None, squeeze=False,
              dtype=None, engine=None,
              converters=None, true_values=None,
              false_values=None, skiprows=None,
              nrows=None, na_values=None,
              keep_default_na=True, verbose=False,
              parse_dates=False, date_parser=None,
              thousands=None, comment=None, skipfooter=0,
              convert_float=True, mangle_dupe_cols=True, **kwds)

文件内容

io作为第一个参数，没有默认值也不能为空，可以传入本地文件名（路径）或远程文件的URL：

# 字符串、字节、Excel文件、xlrd.Book实例、路径对象或者类似文件的对象
# 本地相对路径
pd.read_excel('data/data.xlsx') # 注意目录层级
pd.read_excel('data.xls') # 如果文件与代码文件在同一目录下
# 本地绝对路径
pd.read_excel('/user/gairuo/data/data.xlsx')
# 使用URL
pd.read_excel('https://www.gairuo.com/file/data/dataset/team.xlsx')

指定读取哪个工作表 sheet_name

sheet_name参数可以指定读取Excel工作簿中的哪张工作表，如果不指定，默认读取第一张（索引值为0）。

# 字符串、整型、列表、None，默认为0
pd.read_excel('tmp.xlsx', sheet_name=1) # 第二个sheet
pd.read_excel('tmp.xlsx', sheet_name='总结表') # 按sheet的名字

# 读取第一个、第二个、名为Sheet5的sheet，返回一个df组成的字典
#df组成的字典中，每张工作表的名字会作为键，对应工作表的内容会以单个DataFrame作为它的值
dfs = pd.read_excel('tmp.xlsx', sheet_name=[0, 1, "Sheet5"])
dfs = pd.read_excel('tmp.xlsx', sheet_name=None) # 所有sheet
dfs['Sheet5'] # 读取时按sheet名

其他参数基本与pandas.read_csv一致

4.数据输出

导出为CSV格式

数据表.to_csv()方法可将DataFrame导出为CSV格式的文件，有2个参数值得注意，index=False可以在导出时不带索引，

还可以使用sep参数指定分隔符，

columns可以指定要导出哪几列，就填写哪几列的列标签，用方括号包起来

如果不需要表头，可以将header设为False。如果文件较大，可以使用compression进行压缩：

# 创建一个包含out.csv的压缩文件out.zip
compression_opts = dict(method='zip',
                        archive_name='out.csv')
df.to_csv('out.zip', index=False,
          compression=compression_opts)

导出为Excel格式

数据表.to_excel()可以将数据表导出为Excel文件，

sheet_name参数可以指定sheet名,

将index一起导出，index_label参数可以设置index这一列的列标签，值为字符串格式

多个数据导出：

# 将多个df分不同sheet导入一个Excel文件中
with pd.ExcelWriter('path_to_file.xlsx') as writer:
    df1.to_excel(writer, sheet_name='Sheet1')
    df2.to_excel(writer, sheet_name='Sheet2')

使用指定的Excel导出引擎：

# 指定操作引擎
df.to_excel('path_to_file.xlsx', sheet_name='Sheet1', engine='xlsxwriter')
# 在'engine'参数中设置ExcelWriter使用的引擎
writer = pd.ExcelWriter('path_to_file.xlsx', engine='xlsxwriter')
df.to_excel(writer)
writer.save()

# 设置系统引擎
from pandas import options  # noqa: E402
options.io.excel.xlsx.writer = 'xlsxwriter'
df.to_excel('path_to_file.xlsx', sheet_name='Sheet1')

其他参数解释：

excel_writer : 字符串或ExcelWriter 对象
文件路径或现有的ExcelWriter
sheet_name :字符串,默认“Sheet1”
将包含DataFrame的表的名称。
na_rep : 字符串,默认‘ ’
缺失数据表示方式
float_format : 字符串,默认None
格式化浮点数的字符串
columns : 序列,可选
要编写的列
header : 布尔或字符串列表，默认为Ture。
写出列名。如果给定字符串列表，则假定它是列名称的别名。
index :布尔,默认的Ture
写行名（索引）
index_label : 字符串或序列，默认为None。
如果需要，可以使用索引列的列标签。如果没有给出，标题和索引为true，则使用索引名称。如果数据文件使用多索引，则需使用序列。
startrow :
左上角的单元格行来转储数据框
startcol :
左上角的单元格列转储数据帧
engine : 字符串,默认没有
使用写引擎 – 您也可以通过选项io.excel.xlsx.writer，io.excel.xls.writer和io.excel.xlsm.writer进行设置。
merge_cells : 布尔,默认为Ture
编码生成的excel文件。 只有xlwt需要，其他编写者本地支持unicode。
inf_rep : 字符串,默认“正”
无穷大的表示(在Excel中不存在无穷大的本地表示)
freeze_panes : 整数的元组(长度2)，默认为None。
指定要冻结的基于1的最底部行和最右边的列

导出为HTML

DataFrame.to_html可以将数据表中的数据组装在HTML代码的<table>标签中，输入一个字符串，这部分HTML代码可以放在网页中进行展示，也可以作为邮件正文。

bold_rows=False参数表示表头不加粗

导出为数据库（SQL）

将DataFrame中的数据保存到数据库的对应表中：

# 需要安装SQLAlchemy库
from sqlalchemy import create_engine
# 创建数据库对象，SQLite内存模式
engine = create_engine('sqlite:///:memory:')
# 取出表名为data的表数据
with engine.connect() as conn, conn.begin():
    data = pd.read_sql_table('data', conn)

# data
# 将数据写入
data.to_sql('data', engine)
# 大量写入
data.to_sql('data_chunked', engine, chunksize=1000)
# 使用SQL查询
pd.read_sql_query('SELECT * FROM data', engine)

输出为Markdown

Markdown是一种常用的技术文档编写语言，Pandas支持输出Markdown格式的字符串，需要使用print函数查看输出结果

print(df.to_markdown())