这篇文章主要介绍了NumPy和pandas如何对CSV文件进行操作的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇NumPy和pandas如何对CSV文件进行操作文章都会有所收获，下面我们一起来看看吧。
数组存储成CSV之类的区隔型文件：
将一个数组元素的值设为NaN:
In [26]: import numpy as np In [27]: np.random.seed(42) In [28]: a = np.random.randn(3,4) In [29]: a[2][2] = np.nan In [30]: print(a) [[ 0.49671415 -0.1382643 0.64768854 1.52302986] [-0.23415337 -0.23413696 1.57921282 0.76743473] [-0.46947439 0.54256004 nan -0.46572975]]
NumPy的savetxt()函数是与loadtxt()相对应的一个函数，它能以诸如CSV之类的区隔型文件格式保存数组：
In [31]: np.savetxt('np.csv',a,fmt='%.2f',delimiter=',',header="#1,#2,#3,#4")
上面的函数调用中，我们规定了用以保存数组的文件的名称、数组、可选格式、间隔符和一个可选的标题
通过cat np.csv，可以查看刚才所建的np.csv文件的具体内容
利用随机数组来创建pandas DataFrame：
In [38]: df = pd.DataFrame(a) In [39]: df Out[39]: 0 1 2 3 0 0.496714 -0.138264 0.647689 1.523030 1 -0.234153 -0.234137 1.579213 0.767435 2 -0.469474 0.542560 NaN -0.465730
pandas会自动替我们给数据取好列名
利用pandas的to_csv()方法可以为CSV文件生成一个DataFrame：
In [40]: df.to_csv('pd.csv',float_format='%.2f',na_rep="NAN!")
对于这个方法，我们需要提供文件名、类似于NumPy的savetxt()函数的格式化参数的可选格式串和一个表示NaN的可选字符串
关于“NumPy和pandas如何对CSV文件进行操作”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“NumPy和pandas如何对CSV文件进行操作”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注本站行业资讯频道。
