python使用pandas读写到csv 文件

#python使用pandas读写到csv 文件

pandas写入到csv文件

1.引用第三方库 pandas
2. 用pandas写入到csv文件

from pandas import DataFrame

def add_csv(filename,title,times,articletime,pinlun):

     data = {
         'title': [title],
         'time': [times],
         'articletime': [articletime],
         'pinlun': [pinlun],
         }
     try:
         df = DataFrame(data, columns= ['title', 'time', 'articletime', 'pinlun'])
         df.to_csv (filename, mode="a" ,index = False, header=False,encoding='gb18030') 
         # filename为 csv文件， mode为a 表示追加， index为写入行名称（索引），header为每次追加不把标题追加进去
         #encoding为设置编码格式，我在csv设置中文title 必须得使用 GBK，用utf-8会乱码，但是追加进去内容有 其它禁止				   的，识别不了，追加会报错，这时候只能使用 gb18030
         print("追加成功")
     except Exception as e :
         print(f"追加失败，{e}")
         

to_csv 用法详解

to_csv 详细解释：
path_or_buf=None 字符串或文件目录，文件路径或对象，如果未提供，结果将作为字符串返回。如果传递了一个文件对象，应该用换行= ’ '，禁用通用换行符。

sep=’,’ 输出文件的字段分隔符,默认点

na_rep=’’,缺失数据填充

float_format=None，小数点保留几位

columns=None, 要写入的字段

header=True，列名的别名

index=True,写行名(索引)

index_label=None，索引列的列标签。如果没有给出，并且header和index为True，则使用索引名。如果对象使用多索引，应该给出一个序列。如果不打印索引名称的字段。使用index _ label = Falser以便在R中更容易导入

mode=‘w’ 写入模式，默认为w，
r : 只能读, 必须存在, 可在任意位置读取

w : 只能写, 可以不存在, 必会擦掉原有内容从头写

a : 只能写, 可以不存在, 必不能修改原有内容, 只能在结尾追加写, 文件指针无效

r+ : 可读可写, 必须存在, 可在任意位置读写, 读与写共用同一个指针

w+ : 可读可写, 可以不存在, 必会擦掉原有内容从头写

a+ : 可读可写, 可以不存在, 必不能修改原有内容, 只能在结尾追加写, 文件指针只对读有效 (写操作会将文件指针移动到文件尾)

encoding=None , 表示输出文件中使用的编码的字符串，默认为“utf-8”

一、编码方式不同UTF-8编码采用的是一种多字节编码，在英文中8位代表一个字节，而中文字是24位代表一个字节。而GBK编码方式都是通过双字节来表达，不管文字是英文还是中文字符都是一概而论，当然在区分中文的时候，会定位最高位为1。
二、UIF-8及GBK的兼容性这两种编码都是系统的字符编码，GBK是在国家标准GB2312基础上扩容后兼容GB2312的标准,UTF-8编码的文字可以在各国各种支持UTF8字符集的浏览器上显示。
也就是说如果你的网站使用的是UTF-8编码，在国外观看你的网站浏览器上就会帮你切换到中文状态，而使用GBK编码的话，在国外浏览网页就必须要下载中文语言支持包，如果没有下载就会出现乱码的现象。

compression=‘infer’ 如果是字符串，表示压缩模式。如果为dict，则’ method '处的值是压缩模式。压缩模式可以是以下任何可能的值:{ ’ infer ‘，’ gzip ‘，’ bz2 ‘，’ zip ‘，’ xz ‘，’ None}。如果压缩模式是“推断”和path_or_buf类似于路径，则从以下扩展中检测压缩模式:“”。gz ‘，. bz2 ‘，’。zip’ or '。xz’。(否则不压缩)。如果给定的dict和模式是{‘zip ‘，’ gzip ‘，’ bz2’}之一，或根据上述推断，则其他条目作为附加压缩选项传递

quoting=None, 默认为to csv.QUOTE_MINIMAL。如果你设置了一个浮点格式(_ f)然后浮点被转换成字符串，从而转换成csv.QUOTE_MINIMALl将会将它们视为非数字

quotechar=’"’ 用于引用字段的字符

line_terminator=None 输出文件中使用的换行符或字符序列。默认为os.linesep，这取决于调用此方法的操作系统(例如，对于linux为“n”，对于Windows为“rn”)

chunksize=None 一次写入行

date_format=None , 日期时间对象的格式字符串

doublequote=True, 引用路径在双引号内

escapechar=None, 用于转义的字符

decimal=’.’, 识别为十进制分隔符的字符

errors=‘strict’ 指定如何处理编码和解码错误

读取csv文件内容

import pandas as pd

csv_data = pd.read_csv(filename, encoding = 'UTF-8')  # filename csv文件名

read_csv 用法详解

filepath_or_buffer：任何有效的字符串路径。
sep：str，default ','.
一般csv默认逗号为分隔符，如果想使用其他字符对csv文件进行分隔可以指定为其他的字符，此外，还可以指定正则表达式为分隔符。
delimiter：str，默认为None。sep的别名。
header：int，list of int, default 'infer'.
指定DataFrame的某行为列标签，默认为第一行，等同于header=0。如果header=1，则第二行选为列标签。特别的，如果header=None，则列名为0,1,2,3......如果设置header=[0,1,2]，则将0，1，2中的值组合为列名。注意：header=0表示数据的第一行而不是文件的第一行，因为有时我们会跳过空白行，此时header=0不会指定跳过的空白行作为列标签。
names：array-like, optional.
可以将header设为None然后传入一个类数组结构自定义列标签。
index_col：int, str, sequence of int / str, or False, default None.
与header类似，指定列作为Dataframe的行标签，可以选择多列组合为行标签。
usecols：list-like or callable.
选择想要返回的列，可以按列数取，也可以按列名取。
squeeze：bool, default False.
如果参数数据只包含一列，则返回的是一个Series。
prefix：bool, default True.
当header=None时给列标签添加前缀。如：prefix='X'，则列标签为['X1', 'X2', 'X3'......]。
mangle_dupe_cols：bool, default True.