Python Pandas DataFrame to_csv方法用法及代碼示例

例子

將 csv 寫入文件

考慮以下 DataFrame ：

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



   A  B
a  3  5
b  4  6

要將 df 保存為 CSV 文件：

df.to_csv(path_or_buf="my_data")

輸出的文件my_data與Python腳本位於同一目錄，如下：

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

將 csv 寫入字符串

考慮以下 DataFrame ：

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



   A  B
a  3  5
b  4  6

要將 df 保存為 csv 字符串，請不要指定 path_or_buf ：

df.to_csv()



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

請注意，打印此內容將使 \n 生效：

print(df.to_csv())



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

指定float_format

考慮以下包含浮點數的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

為了格式化浮點數(例如要包含多少個小數位)，我們使用float_format參數。其語法遵循 Python 標準字符串格式化程序的語法，我們在此詳細介紹。

例如，最多包含 3 位小數：

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



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

指定列

考慮以下 DataFrame ：

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



   A  B
a  3  5
b  4  6

默認情況下，所有列都包含在生成的 csv 中。要僅包含特定列，請指定其列標簽，如下所示：

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



,A
a,3
b,4

指定標題

考慮以下 DataFrame ：

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



   A  B
a  3  5
b  4  6

默認情況下， header=True ，這意味著標頭包含在生成的 csv 中：

print(df.to_csv())   # header=True



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

要排除標頭，請設置header=False，如下所示：

print(df.to_csv(header=False))



a,3,5
b,4,6

我們還可以傳遞新列標簽的列表，如下所示：

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



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

指定index_label

考慮以下 DataFrame ：

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



   A  B
a  3  5
b  4  6

默認情況下， index_label=None ，這意味著將包含一個空索引標簽：

print(df.to_csv())



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

請注意我們在這裏如何以逗號開頭 - 索引標簽為空，但它仍然包含在內。

要刪除索引名稱，請設置index_label=False，如下所示：

print(df.to_csv(index_label=False))



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

某些統計軟件(例如 R)可能會發現這種格式更易於解析。

指定引號字符

考慮以下 DataFrame ：

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



   A    B
a  3,9  5
b  4    6

在這裏，請注意我們的值之一是 "3,9" ，不幸的是它包含默認分隔符 , 。如果我們將其轉換為 csv，我們最終會在第一行中得到 3,9,5，這是不正確的，因為它表明我們在這一行中有 3 個值而不是 2 個。

為了表明 3,9 是一個單一值，to_csv(~) 方法默認用引號 ( " ) 括起來：

df.to_csv(sep=",")



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

請注意我們現在有"3,9"。

我們可以通過傳入 quotechar 來指定單個字符作為包裝器，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

考慮以下 DataFrame ：

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



   A  B
a  3  5
b  4  6

默認情況下，每行使用換行符 ( \n ) 進行分割：

df.to_csv()



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

我們可以通過傳入 line_terminator 使用自定義字符來分割行：

df.to_csv(line_terminator="@")



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

指定雙引號和轉義字符

考慮以下 DataFrame ：

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



   A    B
a  3"9  5
b  4    6

請注意 df 如何包含帶有單雙引號 " 的值。

默認情況下， doublequote=True ，這意味著 quotechar 是重複的，如下所示：

print(df.to_csv())



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

在此，請注意以下事項：

• 最初的輸出是 "3"9" ，其中外部的 "" 表明該值是一個字符串。

• 這裏的問題是，該值實際上包含"，因此這會導致語法錯誤，因為"3"9"不是有效的字符串。

• 為了克服這個問題，該方法使用 quotechar 轉義中間的 " ，默認情況下(令人困惑的是) " 。

• 結果，我們最終得到了 peculiar-looking "3""9" 。

我們可以通過設置 doublequote=False 來關閉字符串包裝在 "" 中的行為，然後提供 escapechar 參數：

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



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

此處，需要 escapechar，因為單獨的 "39 是無效語法 - " 表示字符串的開頭，並且沒有結束 " 。 escapechar的作用是表明"與字符串完全無關。