python读写数据读写csv文件(pandas用法)

下面是“python读写数据读写csv文件(pandas用法)”的完整攻略。

第1步：导入pandas模块和CSV文件

要使用pandas对CSV文件进行读写，需要先导入pandas模块，并将要读写的CSV文件加载到一个DataFrame中。以下是一段示例代码：

import pandas as pd

# 用read_csv()函数导入CSV文件
df = pd.read_csv("example.csv")

第2步：查看CSV文件中的数据

在加载CSV文件后，可以使用head()函数查看CSV文件中的前几行数据。以下是一段示例代码：

# 查看前5行数据
print(df.head(5))

第3步：更新CSV文件中的数据

要更新CSV文件中的数据，可以使用Pandas中的DataFrame对象。以下是一段示例代码：

# 修改第2行第3列的数据
df.iloc[1, 2] = "New Data"

# 写入更新后的数据到CSV文件中
df.to_csv("example.csv", index=False)

注意：index=false表示不希望生成带序号的新列

示例1：读取CSV文件并进行数据统计和分析

下面是一段示例代码，演示如何使用Pandas对CSV文件进行数据统计和分析：

import pandas as pd

# 用read_csv()函数导入CSV文件
df = pd.read_csv("example.csv")

# 打印CSV文件中的数据
print(df.head())

# 统计每个城市的平均温度
print(df.groupby("City")["Temperature"].mean())

该代码将读取example.csv文件，并按照城市进行分组，计算每个城市的平均温度。

示例2：将Python数据写入CSV文件

下面是一段示例代码，演示如何将Python数据写入CSV文件：

import pandas as pd

# 创建Python数据
data = {
    "City": ["Beijing", "Shanghai", "Guangzhou"],
    "Temperature": [32, 30, 28]
}

# 将Python数据转换为DataFrame
df = pd.DataFrame(data)

# 将DataFrame写入CSV文件
df.to_csv("example.csv", index=False)

该代码将创建一个Python数据字典，并将其转换为DataFrame。然后，将DataFrame写入example.csv文件中。

以上就是“python读写数据读写csv文件(pandas用法)”的完整攻略。