团子和蛋糕的笔记

Appearance

一套命名规律：read_xxx / to_xxx ​

Pandas 提供了一套 API，可以方便地读取和写入各类数据文件（csv、Excel、数据库、网络数据等）：

方向方法例子
读取read_xxxpd.read_csv()、pd.read_excel()
写入to_xxxdf.to_csv()、df.to_excel()

流程上的位置：读取 → 清洗处理 → 分析 → 写出。

读取 + 计算 + 写出的完整例子 ​

python
import pandas as pd

# 读取数据 --> read_csv
df = pd.read_csv('data/sales.csv', usecols=['订单号', '产品类别', '产品名称', '销售数量', '单价'])

# 数据处理：新增一列（销售金额 = 销售数量 × 单价）
df['销售金额'] = df['销售数量'] * df['单价']

# 写入数据 --> to_csv；index=False 表示不写入索引列
df.to_csv('data/sales_01.csv', index=False)

read_csv 常用参数 ​

参数作用
usecols=['列1', '列2']只读取需要的列
index_col='订单号'指定某一列作为行索引
nrows=10只读前 n 行（试读大文件时好用）
dtype={'年份': 'Int64'}指定某列的读取类型（Int64 支持空值）

to_csv 常用参数 ​

参数作用
index=False不写入索引列（最常用，否则文件里会多出一列行号）
encoding='utf-8'指定编码

TIP

df['新列名'] = 表达式 是 Pandas 里新增列的标准写法：右边是整列的运算（df['销售数量'] * df['单价'] 会把每一行对应相乘），不需要写循环。

相关 ​

练习题 ​

一、知识回顾（读完直接做下面的实践题） ​

  1. 读取数据的方法是 read_xxx，写入是 to_xxx（如 to_csv）
  2. 读 CSV：pd.read_csv('data/sales.csv')；只读需要的列用参数 usecols
  3. 指定某列当行索引用参数 index_col；只读前 n 行用参数 nrows
  4. 新增一列"销售金额"：df['销售金额'] = df['销售数量'] * df['单价']
  5. 写出 CSV：df.to_csv('data/sales_01.csv', index=False)
  6. index=False 的作用是不把索引列写进文件（否则会多出一列行号）

二、裸写题 ​

  • - 提示（先自己想，实在想不出再点开）

    一级 · 思路：读文件时就把不需要的列过滤掉，省内存 二级 · 方法：pd.read_csv(路径, usecols=[...])三级 · 骨架：df.____(5) 看前 5 行

    - 参考答案（做完再点开）

    python
    # 2-1
import pandas as pd

df = pd.read_csv('data/sales.csv', usecols=['订单号', '产品类别', '销售数量', '单价'])
print(df.head(5))

  • - 提示（先自己想，实在想不出再点开）

    一级 · 思路：新增列 → 写出 二级 · 方法：df['销售金额'] = df['销售数量'] * df['单价'] / df.to_csv(..., index=False)三级 · 骨架：右边是整列相乘，不用写循环

    - 参考答案（做完再点开）

    python
    # 2-2
df['销售金额'] = df['销售数量'] * df['单价']
df.to_csv('sales_out.csv', index=False)
print(df.head(3))

  • - 提示（先自己想，实在想不出再点开）

    一级 · 思路：读的时候直接指定索引列 二级 · 方法：pd.read_csv(路径, index_col='订单号')三级 · 骨架：print(df.index[:3].tolist())

    - 参考答案（做完再点开）

    python
    # 2-3
import pandas as pd

df2 = pd.read_csv('data/sales.csv', index_col='订单号')
print(df2.index[:3].tolist())