Python学习笔记（五）

上一篇文章介绍了Python中如何导入文本文件，本篇继续介绍如何导出文本文件，在pandas中,利用DataFrame的to_csv方法，可以将数据写到一个以逗号分隔的文件中。

还是以titanic数据集为例，

通过透视表方法，求出不同性别、仓位乘客的平均年龄，并将数据保存到df中，

最后把df导出到我们要保存的文件夹中，假如现在要把df导出到桌面，同样把导出文件命名为df，使用to_csv方法：

“C:/Users/aaa/Desktop/”是导出文件所在的路径，如果对路径不确定，可以先在该位置，通过其他文件复制为路径的方法找出要复制的路径，再粘贴到Python代码中，同样要将“\”改为“/”。

现在我们在桌面上找到导出的文件df，

打开文件：

也可以用Excel打开：

数据格式与我们在Python中看到的基本是一样的，行标签是Sex、Pclass，列标签缺省，但提供了列标签的值，即0、1。以上是导出层次化索引的情形，下面再介绍导出无层次化索引的DataFrame的一点注意事项。

df1是计算出的不同仓位乘客的平均年龄，现在要将df1还是导出到桌面，然后打开文件：

导出的数据格式与在python中看到的是一样的，0、1、2是所有，表头是Pclass、Age。假如导出时不需要看到索引和列名，在上面代码中增加“index=False、header=False”即可，

再次打开df1，

可以看到，现在打开的df1文件已经没有了索引和列名，1、2、3表示的是仓位等级。

如果需要导出txt格式的文本文件，只需把上述代码中的csv改为txt即可。

以上是Python中pandas库导出文本文件的操作方法，关于文本文件格式数据读入读出的介绍就告一段落，这两篇介绍的read_csv、to_csv方法中的参数都是我在工作中使用较为频繁的参数，其他参数的用法如有兴趣可查阅相关数据或官方文档。以后如有时间再介绍Pyton中读入Excel和数据库文件的方法。

前面介绍的分组、透视表、交叉表方法都是基于单个表的操作，下一篇将介绍跨表间的操作—数据合并，包括纵向、横向合并。