Python Pandas DataFrame to_csv方法用法及代码示例

例子

将 csv 写入文件

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,4], "B":[5,6]}, index=["a","b"])
df



   A  B
a  3  5
b  4  6

要将 df 保存为 CSV 文件：

df.to_csv(path_or_buf="my_data")

输出的文件my_data与Python脚本位于同一目录，如下：

,A,B
a,3,5
b,4,6

将 csv 写入字符串

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,4], "B":[5,6]}, index=["a","b"])
df



   A  B
a  3  5
b  4  6

要将 df 保存为 csv 字符串，请不要指定 path_or_buf ：

df.to_csv()



',A,B\na,3,5\nb,4,6\n'

请注意，打印此内容将使 \n 生效：

print(df.to_csv())



,A,B
a,3,5
b,4,6

指定float_format

考虑以下包含浮点数的DataFrame：

df = pd.DataFrame({"A":[3.00005,4],"B":[5,6]}, index=["a","b"])
df



   A        B
a  3.00005  5
b  4.00000  6

为了格式化浮点数(例如要包含多少个小数位)，我们使用float_format参数。其语法遵循 Python 标准字符串格式化程序的语法，我们在此详细介绍。

例如，最多包含 3 位小数：

df.to_csv(float_format="%.3f")



',A,B\na,3.000,5\nb,4.000,6\n'

指定列

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,4], "B":[5,6]}, index=["a","b"])
df



   A  B
a  3  5
b  4  6

默认情况下，所有列都包含在生成的 csv 中。要仅包含特定列，请指定其列标签，如下所示：

print(df.to_csv(columns=["A"]))



,A
a,3
b,4

指定标题

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,4],"B":[5,6]}, index=["a","b"])
df



   A  B
a  3  5
b  4  6

默认情况下， header=True ，这意味着标头包含在生成的 csv 中：

print(df.to_csv())   # header=True



,A,B
a,3,5
b,4,6

要排除标头，请设置header=False，如下所示：

print(df.to_csv(header=False))



a,3,5
b,4,6

我们还可以传递新列标签的列表，如下所示：

print(df.to_csv(header=["C","D"]))



,C,D
a,3,5
b,4,6

指定index_label

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,4],"B":[5,6]}, index=["a","b"])
df



   A  B
a  3  5
b  4  6

默认情况下， index_label=None ，这意味着将包含一个空索引标签：

print(df.to_csv())



,A,B
a,3,5
b,4,6

请注意我们在这里如何以逗号开头 - 索引标签为空，但它仍然包含在内。

要删除索引名称，请设置index_label=False，如下所示：

print(df.to_csv(index_label=False))



A,B
a,3,5
b,4,6

某些统计软件(例如 R)可能会发现这种格式更易于解析。

指定引号字符

考虑以下 DataFrame ：

df = pd.DataFrame({"A":["3,9",4], "B":[5,6]}, index=["a","b"])
df



   A    B
a  3,9  5
b  4    6

在这里，请注意我们的值之一是 "3,9" ，不幸的是它包含默认分隔符 , 。如果我们将其转换为 csv，我们最终会在第一行中得到 3,9,5，这是不正确的，因为它表明我们在这一行中有 3 个值而不是 2 个。

为了表明 3,9 是一个单一值，to_csv(~) 方法默认用引号 ( " ) 括起来：

df.to_csv(sep=",")



',A,B\na,"3,9",5\nb,4,6\n'

请注意我们现在有"3,9"。

我们可以通过传入 quotechar 来指定单个字符作为包装器，而不是 " ，如下所示：

df.to_csv(quotechar="@")



',A,B\na,@3,9@,5\nb,4,6\n'

指定line_terminator

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,4], "B":[5,6]}, index=["a","b"])
df



   A  B
a  3  5
b  4  6

默认情况下，每行使用换行符 ( \n ) 进行分割：

df.to_csv()



',A,B\na,3,5\nb,4,6\n'

我们可以通过传入 line_terminator 使用自定义字符来分割行：

df.to_csv(line_terminator="@")



',A,B@a,3,5@b,4,6@'

指定双引号和转义字符

考虑以下 DataFrame ：

df = pd.DataFrame({"A":['3"9',4],"B":[5,6]}, index=["a","b"])
df



   A    B
a  3"9  5
b  4    6

请注意 df 如何包含带有单双引号 " 的值。

默认情况下， doublequote=True ，这意味着 quotechar 是重复的，如下所示：

print(df.to_csv())



,A,B
a,"3""9",5
b,4,6

在此，请注意以下事项：

• 最初的输出是 "3"9" ，其中外部的 "" 表明该值是一个字符串。

• 这里的问题是，该值实际上包含"，因此这会导致语法错误，因为"3"9"不是有效的字符串。

• 为了克服这个问题，该方法使用 quotechar 转义中间的 " ，默认情况下(令人困惑的是) " 。

• 结果，我们最终得到了 peculiar-looking "3""9" 。

我们可以通过设置 doublequote=False 来关闭字符串包装在 "" 中的行为，然后提供 escapechar 参数：

print(df.to_csv(doublequote=False, escapechar="@"))



,A,B
a,3@"9,5
b,4,6

此处，需要 escapechar，因为单独的 "39 是无效语法 - " 表示字符串的开头，并且没有结束 " 。 escapechar的作用是表明"与字符串完全无关。