一、CSV文件
• Comma-Separated Values
• 以纯文本形式存储的表格数据（以逗号作为分隔符），通常第一行为列名
但是可以用它打开，这里就自动解析成了行和列的显示风格了
• 文件操作
• numpy 的 np.loadtxt(), 较复杂
• 利用pandas处理，快捷方便
• 1、读操作
• df_obj = pd.read_csv()，返回DataFrame类型的数据做
• 索引在左，数值在右。索引是pandas自动创建的。
• 2、写操作
• df_obj.to_csv(), 参数index=False不写入索引列
-
3、练习题 执行如下代码，在csv文件的左侧不要产生索引列
二、Excel文件
• Microsoft为使用Windows和Apple Macintosh操作系统的电脑编写的一款电子
表格软件
• 数据分析处理只关心数据，不关心样式
1、Excel vs CSV
• 都可以通过Microsoft的Excel程序打开
• Excel：除了文本，数据也可以包含图表、样式、 工作簿等
• CSV：每条记录都存储为一行文本文件，每一条新行都表示一个新的数据记录。CSV不能存储图表或样式
2、读取文件
• pd.read_excel()
• 参数sheet_name：工作簿的索引号，可以是单个工作簿或多个工作簿
df_obj.head(10)就是显示 10行
3、 写入文件
• 写入单个工作簿： pd.to_excel()
• 写入多个工作簿：
• writer = pd.ExcelWriter('output.xlsx’)
df1.to_excel(writer,'Sheet1’)
df2.to_excel(writer,'Sheet2’)
writer.save()