4.Pandas读取和保存数据文件

Pandas 主要是用来进行数据处理的，在日常使用时，我们更多的是从文件中读取数据，Pandas 提供了非常多的方法，可以非常方便的读取不同格式的数据文件。

4.1 读写接口概览览

Pandas I/O API 提供了一组顶层的读取写方法，使用如 pandas.read_csv(文件名)会返回一个 DataFrame 对象，而使用如 DataFrame.to_csv(文件名) 这样的对象方法，则将 DataFrame 对象保存到文件中。

一些常用的数据格式和读写方式罗列在此：

存储格式	文件类型	读取方法	输出(保存)方法
text	CSV	read_csv	to_csv
text	JSON	read_json	to_json
text	HTML	read_html	to_html
text	Local clipboard	read_clipboard	to_clipboard
binary	MS Excel	read_excel	to_excel
binary	HDF5	read_hdf	to_hdf
binary	ORC	read_orc	to_orc
binary	Parquet	read_parquet	to_parquet
SQL	SQL	read_sql	to_sql

官网提供了读写各种数据的接口，如果想要查看更详细的内容，地址如下：
Pandas I/O API

CSV 文件是一种非常常见的文件格式，几乎所有编程语言都有读写 CSV 文件的函数，这里详细介绍下 pandas.read_csv() 和 DataFrame.to_csv() 函数。

官方文档：https://pandas.pydata.org/docs/reference/api/pandas.read_csv.html
pandas.read_csv() 函数用于从 CSV 文件中读取数据，并生成一个 DataFrame 对象。它可以接受的参数如下：

下面挑选一些常用的来解释一下：

header
表头，即DataFrame的列名，接收整数或者整型列表(int or list of ints), 当输入整数k时，会使用序号 k 行的数据作为列名。
默认是通过第一行数据来推理其列名(default ‘infer’)
names
也是指定列名，接收列表(list of strings)，当header参数设置为None时，使用该参数来指定列名。
index_col
指定行索引名，接收 int、str、int序列、str序列、False；
默认为None，即不设置index名，会使用 0,1,2, … 等序号作为行索引名。
当index_col参数为整数序列时，表示使用该序列作为行索引名，而当index_col参数为整数时，表示使用该列作为行索引名。
usecols
读取数据的指定列，即可以不用加载全部列；接收正整数序列或者列名列表；
默认为None，即读取全部数据。

dtype
指定数据类型，接收字典或者列表；
默认为None，即自动推断数据类型。
字典格式为 {列名：数据类型}，列表格式为 [(列名，数据类型)]。
engine
解析引擎，接收’c’或者’python’，默认为’python’。
converters
列转换函数，接收字典格式，{列名: 转换函数} 或 {列索引: 转换函数}。
true_values
指定将某些值设置为 True ，接收列表格式，默认为 None。
false_values
指定将某些值设置为 False ，接收列表格式，默认为 None。
skipinitialspace
是否跳过 delimiter 初始空白字符，默认为False。
skiprows
指定跳过指定行数，默认为None。
接收列表格式（表示跳过哪些行），或者整数格式（表示从开头算起，跳过前面的多少行）。
skipfooter
指定跳过尾部行数，接收整数格式，默认为0。
nrows
指定读取的行数，接收整数格式（表示读取前n行），默认为None。
memory_map
布尔值，默认为 False；
如果为 filepath_or_buffer 提供了一个文件路径，则将文件对象直接映射到内存中，并从那里直接访问数据。使用此选项可以提高性能，因为不再有任何I/O开销。

na_values
指定哪些值应该被视为 NA/NaN，接收列表格式，默认为None。
keep_default_na
布尔值，默认为True
在解析数据时是否包含默认的NaN值。根据是否传入na_values，行为如下:
- 如果keep_default_na为True，并且指定了na_values，则将na_values添加到用于解析的默认NaN值之后。
- 如果keep_default_na为True，并且没有指定na_values，则只使用默认的NaN值进行解析。
- 如果keep_default_na为False，并且指定了na_values，则只使用na_values指定的NaN值进行解析。
- 如果keep_default_na为False，并且没有指定na_values，则不会将任何字符串解析为NaN。
  
  注意，如果na_filter作为False传入，keep_default_na和na_values参数将被忽略。
na_filter
布尔值，默认为 True；
检测缺失的值标记(空字符串和na_values的值)。对于没有NAs的数据，设置na_filter=False可以提高读取大文件的性能。
verbose
布尔值，默认为False；
用于指示在非数字列中插入的 NA 值数量，即如果数据包含非数字列，并且这些列中包含缺失值（例如 NaN 或 NA），则可以通过设置 verbose 参数为 True 来获取有关缺失值的数量信息。
skip_blank_lines
布尔值，默认为True；
如果为 True，则跳过空行。