使用pandas将numpy中的数组数据保存到csv文件的方法
2019/7/15 0:38:33
本文主要是介绍使用pandas将numpy中的数组数据保存到csv文件的方法,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
接触pandas之后感觉它的很多功能似乎跟numpy有一定的重复,尤其是各种运算。不过,简单的了解之后发现在数据管理上pandas有着更为丰富的管理方式,其中一个很大的优点就是多出了对数据文件的管理。
如果想保存numpy中的数组元素到一个文件中,通过纯Python的文件写入当然是可以实现的,但是总觉得是少了一点便捷性。在这方面,pandas工具的使用就会让工作方便很多。下面通过一个简单的小例子来演示一下。
首先,创建numpy中的数组。
In [18]: arr1 = np.arange(100).reshape(10,10) In [19]: arr1 Out[19]: array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9], [10, 11, 12, 13, 14, 15, 16, 17, 18, 19], [20, 21, 22, 23, 24, 25, 26, 27, 28, 29], [30, 31, 32, 33, 34, 35, 36, 37, 38, 39], [40, 41, 42, 43, 44, 45, 46, 47, 48, 49], [50, 51, 52, 53, 54, 55, 56, 57, 58, 59], [60, 61, 62, 63, 64, 65, 66, 67, 68, 69], [70, 71, 72, 73, 74, 75, 76, 77, 78, 79], [80, 81, 82, 83, 84, 85, 86, 87, 88, 89], [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])
接着,为了能够使这组数据成为可以让pandas处理的数据,需要通过这个数组创建DataFrame。
In [20]: data1 = DataFrame(arr1)
这样,就可以通过pandas中DataFrame的to_csv方法实现数据文件的存储了。具体如下:
In [21]: data1.to_csv('data1.csv') In [22]: cat data1.csv ,0,1,2,3,4,5,6,7,8,9 0,0,1,2,3,4,5,6,7,8,9 1,10,11,12,13,14,15,16,17,18,19 2,20,21,22,23,24,25,26,27,28,29 3,30,31,32,33,34,35,36,37,38,39 4,40,41,42,43,44,45,46,47,48,49 5,50,51,52,53,54,55,56,57,58,59 6,60,61,62,63,64,65,66,67,68,69 7,70,71,72,73,74,75,76,77,78,79 8,80,81,82,83,84,85,86,87,88,89 9,90,91,92,93,94,95,96,97,98,99
回头看一下被存储的数据格式:
In [23]: data1 Out[23]: 0 1 2 3 4 5 6 7 8 9 0 0 1 2 3 4 5 6 7 8 9 1 10 11 12 13 14 15 16 17 18 19 2 20 21 22 23 24 25 26 27 28 29 3 30 31 32 33 34 35 36 37 38 39 4 40 41 42 43 44 45 46 47 48 49 5 50 51 52 53 54 55 56 57 58 59 6 60 61 62 63 64 65 66 67 68 69 7 70 71 72 73 74 75 76 77 78 79 8 80 81 82 83 84 85 86 87 88 89 9 90 91 92 93 94 95 96 97 98 99 In [24]: type(data1) Out[24]: pandas.core.frame.DataFrame
从上面的结果看一看出,转换成DataFrame的同时,数据信息增加了行列标题信息。
通过电子表格软件打开csv文件的效果如下:
以上这篇使用pandas将numpy中的数组数据保存到csv文件的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持找一找教程网。
这篇关于使用pandas将numpy中的数组数据保存到csv文件的方法的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-11-24Python编程基础详解
- 2024-11-21Python编程基础教程
- 2024-11-20Python编程基础与实践
- 2024-11-20Python编程基础与高级应用
- 2024-11-19Python 基础编程教程
- 2024-11-19Python基础入门教程
- 2024-11-17在FastAPI项目中添加一个生产级别的数据库——本地环境搭建指南
- 2024-11-16`PyMuPDF4LLM`:提取PDF数据的神器
- 2024-11-16四种数据科学Web界面框架快速对比:Rio、Reflex、Streamlit和Plotly Dash
- 2024-11-14获取参数学习:Python编程入门教程