主要内容：
- 导入导出本地数据
- pd.read_csv()
- pd.to_csv()
- pd.read_excel()
- pd.read_pickle & pd.to_pickle
本地数据的IO操作
pandas可以很方便的读取/存储各种格式的本地文件，读取用read_xx()，写入用to_xx()。
读取 写入
read_csv to_csv
read_excel to_excel
read_hdf to_hdf
read_sql to_sql
read_json to_json
read_msgpack (experimental) to_msgpack (experimental)
read_html to_html
read_gbq (experimental) to_gbq (experimental)
read_stata to_stata
read_sas
read_clipboard to_clipboard
read_pickle to_pickle
上面是官方文档列出来的用来读取数据的方法，支持好多格式的数据呢。有些我都没见过没听说，我有用到的有csv, excel, json, pickle等。它们的用法都差不多，而且特别简单。以read_csv()为主简单介绍一下pandas读取和存储数据的方法。
pd.read_csv()
基本用法
In [1]: import pandas as pd
In [4]: data = pd.read_csv('D:/test.csv')
In [5]: data.head()
Out[5]:
Date Open High Low Close Volume Adj Close
0 2011/5/25 12355.45 12462.28 12271.90 12394.66 4.109670e+09 12394.66
1 2011/5/24 12381.87 12465.80 12315.42 12356.21 3.846250e+09 12356.21
2 2011/5/23 12511.29 12511.29 12292.49 12381.26 3.255580e+09 12381.26
3 2011/5/20 12604.64 12630.11 12453.96 12512.04 4.066020e+09 12512.04
4 2011/5/19 12561.46 12673.78 12506.67 12605.32 3.626110e+09 12605.32
什么参数都不设置的情况就是这样，读取进来之后是dataframe格式，自动生成数字索引。
它的参数特别多！！！
种种参数
-
filepath_or_buffer： 路径或文件，也可以是URL地址。 -
sep和delimiter：分隔符。默认是','逗号。 -
delim_whitespace：布尔型，默认False。决定是否将空格当做分隔符，相当于sep='\s+'。如果这里设置为True的话，delimiter就不要设置参数了。
列、列名和索引
header：设置作为列名的行，值可以是int或int组成的list，默认是'infer'，如果names没有传参数，把第一行当做列名。如果设置为None，自动生成一组数字列名。names：array-like，默认None。也是用来设置列名的，直接传一个字符串组成的矩阵形式的的参数。index_col：设置index。可以是int或list（如果有多列索引用list），默认为None。-
还有其他呢，不常用不列举了。下面挨个试试。
In [8]: data = pd.read_csv('D:/test.csv',header=None) In [9]: data.head(2) Out[9]: 0 1 2 3 4 5 6 0 Date Open High Low Close Volume Adj Close 1 2011/5/25 12355.45 12462.28 12271.9 12394.66 4109670000 12394.66 In [10]: data = pd.read_csv('D:/test.csv',names='abcdefg') In [11]: data.head(2) Out[11]: a b c d e f g 0 Date Open High Low Close Volume Adj Close 1 2011/5/25 12355.45 12462.28 12271.9 12394.66 4109670000 12394.66 In [12]: data = pd.read_csv('D:/test.csv',index_col='Date') In [13]: data.head(2) Out[13]: Open High Low Close Volume Adj Close Date 2011/5/25 12355.45 12462.28 12271.90 12394.66 4.109670e+09 12394.66 2011/5/24 12381.87 12465.80 12315.42 12356.21 3.846250e+09 12356.21
时间数据处理
parse_dates：可以是布尔型、int、ints或列名组成的list、dict，默认为False。如果为True，解析index。如果为int或列名，尝试解析所指定的列。如果是一个多列组成list，尝试把这些列组合起来当做时间来解析。（敲厉害！！）infer_datetime_format：布尔型。如果为True，而且也设置了parse_dates参数，可以提高速度。对于days开头的敏感。如果多列待解析的时间数据格式相同的话，这个可以大大提高解析速度。（我数据不多，感觉不出来。人家官方文档说了，反正启用了也不会有副作用。）keep_date_col：布尔型，默认False。如果为Ture的话则保留原格式的时间列。-
date_parser：设置解析时间数据所用的函数，一般按默认的走就好了。In [14]: data = pd.read_csv('D:/test.csv',index_col='Date',parse_dates=True) #注意Date那一列的格式变了，原来是字符串格式的， #现在变成了可以进行加减操作的日期格式。 In [15]: data.head(2) Out[15]: Open High Low Close Volume Adj Close Date 2011-05-25 12355.45 12462.28 12271.90 12394.66 4.109670e+09 12394.66 2011-05-24 12381.87 12465.80 12315.42 12356.21 3.846250e+09 12356.21 #这里从新读取一个CSV文件，前三列组成日期。 In [21]: data2 = pd.read_csv('D:/test2.csv') In [22]: data2.head(2) Out[22]: Mon Day Year gas crude oil 0 1 3 1997 22.90 1.225 1 1 10 1997 23.56 1.241 #解析之后 In [23]: data2 = pd.read_csv('D:/test2.csv', : parse_dates={'date':[0,1,2]}, : index_col='date') : In [24]: data2.head(2) Out[24]: gas crude oil date 1997-01-03 22.90 1.225 1997-01-10 23.56 1.241 #保留原来的时间列 In [27]: data2 = pd.read_csv('D:/test2.csv',parse_dates={'date':[0,1,2]},infer_datetime_format=True,keep_date_col=True, ...: index_col='date') In [28]: data2.head(2) Out[28]: Mon Day Year gas crude oil date 1997-01-03 1 3 1997 22.90 1.225 1997-01-10 1 10 1997 23.56 1.241
啊，惊艳了时光！就问你棒不棒，棒 不 棒 ！！
解析配置（好多的，我挑几个可能会用的）
-
dtype：设置数据类型，可以是类型名或{列名：类型名}组成的dict，默认None。 -
nrows：int，读取多少行。大文件读取片段时使用。 -
true_valuesfalse_values：被认为是True和False的值。 -
skiprows：int或列表形式，默认None。要跳过的行数，按索引（list），或者跳过头几行（int）。
空值和NA处理
-
na_values：增加被当做NA/NaN的值。默认情况下这些数据会被认为是NA值，'-1.#IND', '1.#QNAN', '1.#IND', '-1.#QNAN', '#N/A N/A', '#N/A', 'N/A', 'NA', '#NA', 'NULL', 'NaN', '-NaN', 'nan', '-nan', ''。 -
keep_default_na：布尔型，默认True。如果值为False，而且na_values进行了设置，那么NA值会被重写，使用你设置的而不是上边所列出来的。 -
na_filter：布尔型，默认True。检测缺失值（空值和NA值）标记。如果文件没有NA值，设置na_filter=False可以提高读取大文件速度。 -
skip_blank_lines：布尔型，默认True。跳过空行，而不是解析为NA值。
啊，还有引用、注释、字符格式等等参数，一般不会到那么细枝末节的地步，不说了。
read_csv()和read_table()几乎相等，不单单可以读取以逗号分割的CSV格式，你可以通过设置sep参数让它读取各种不同分割符号的文本文件等等。
可用参数是很多，但这个方法用起来很简单。唯一一个必须的参数就是需要读取文件的路径/地址。写入和读取类似，用法都一样。
下面的几个方法我就不再解释参数，其实都类似的，直接举几个例子看看好了。
pd.to_csv()
In [2]: import pandas as pd
: data = pd.read_csv('D:/test.csv',index_col='Date',parse_dates=True)
:
In [5]: data[:5]
Out[5]:
Open High Low Close Volume Adj Close
Date
2011-05-25 12355.45 12462.28 12271.90 12394.66 4.109670e+09 12394.66
2011-05-24 12381.87 12465.80 12315.42 12356.21 3.846250e+09 12356.21
2011-05-23 12511.29 12511.29 12292.49 12381.26 3.255580e+09 12381.26
2011-05-20 12604.64 12630.11 12453.96 12512.04 4.066020e+09 12512.04
2011-05-19 12561.46 12673.78 12506.67 12605.32 3.626110e+09 12605.32
#把data中Open和Close列的前五行写入to.csv文件中。
In [9]: data[:5].to_csv('D:/to.csv', columns=['Open','Close'])
In [10]: data2 = pd.read_csv('D:/to.csv')
#把刚生成的to.csv再读进来看看对不对。
In [11]: data2
Out[11]:
Date Open Close
0 2011-05-25 12355.45 12394.66
1 2011-05-24 12381.87 12356.21
2 2011-05-23 12511.29 12381.26
3 2011-05-20 12604.64 12512.04
4 2011-05-19 12561.46 12605.32
pd.read_excel()
In [19]: excel = pd.read_excel('D:/test.xlsx', sheetname='Sheet1')
In [20]: excel.head(2)
Out[20]:
Month Day Year gas crude oil
0 1 3 1997 22.90 1.225
1 1 10 1997 23.56 1.241
In [21]: excel['Date']=pd.to_datetime(excel[['Year','Month','Day']])
In [22]: excel = excel.set_index("Date")
In [23]: excel.head(2)
Out[23]:
Month Day Year gas crude oil
Date
1997-01-03 1 3 1997 22.90 1.225
1997-01-10 1 10 1997 23.56 1.241
pd.read_pickle & pd.to_pickle
pickle这个用起来特别简单，根本就没有其他参数。它比较特殊的是可以实现将数据或对象序列化为字节流，pickling也就是保存为二进制数，unpickling就是相反的过程。pickle的意思是泡菜，把数据泡起来之后就可以长久存放不容易变质，pickle被当做永久储存数据的一个方法。
我见过用pickle保存数据是在机器学习中。把训练好的模型存成pickle文件，下次使用这个模型的时候直接读取pickle文件，而不需要再次训练。
