“Pandas”的版本间差异
跳到导航
跳到搜索
无编辑摘要 |
无编辑摘要 |
||
| 第12行： | 第12行： | ||
file=pd.read_table(path+'test1.spectrum',skiprows=range(0,6),\ |
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}) |
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') |
|||
2019年6月17日 (一) 14:07的版本
Python Data Analysis Library
io
- read_csv
import pandas as pd
data=pd.read_csv('cGs_for_LAMOST.csv')
data.columns
ra=data['ra']
dec=data['dec]
- 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')