“Pandas”的版本间差异
跳到导航
跳到搜索
无编辑摘要 |
（→io） |
||
| 第3行： | 第3行： | ||
*read_csv |
*read_csv |
||
import pandas as pd |
import pandas as pd |
||
data=pd.read_csv('cGs_for_LAMOST.csv') |
data=pd.read_csv('cGs_for_LAMOST.csv',comment='#') |
||
data.columns |
data.columns |
||
ra=data['ra'] |
ra=data['ra'] |
||
dec=data['dec] |
dec=data['dec] |
||
*现在推荐read_csv 读普通表格了，默认总是把第一行做表头，如果没有表头用header=None |
|||
:comment='#' |
|||
:sep=' ' ;sep='\t'(分隔符是Tab键） |
|||
*read_table |
*read_table |
||
2019年12月17日 (二) 13:46的版本
Python Data Analysis Library
io
- read_csv
import pandas as pd
data=pd.read_csv('cGs_for_LAMOST.csv',comment='#')
data.columns
ra=data['ra']
dec=data['dec]
- 现在推荐read_csv 读普通表格了，默认总是把第一行做表头，如果没有表头用header=None
- comment='#'
- sep=' ' ;sep='\t'(分隔符是Tab键）
- read_table
：读普通的ascii文件
file=pd.read_table(path+'test1.spectrum',skiprows=range(0,6),\
delim_whitespace=True, names=('A', 'B', 'C'), dtype={'A': np.int64, 'B': np.float64, 'C': np.float64})
pickle
- 使用DataFrame的to_pickle属性就可以生成pickle文件对数据进行永久储存
df = pd.DataFrame(np.arange(20).reshape(4,5))
df.to_pickle('foo.pkl')
pd.read_pickle('foo.pkl')