6.1.2 将数据写入文本
使用dataframe 的 to_csv 方法。我们可以将数据导出为逗号分隔的文件：
data=pd.DataFrame({'qu1':[1,2,4,3,4],'qu2':[2,3,1,2,3],'qu3':[1,5,2,4,4]})
data.to_csv('out.csv')
!type out.csv
,qu1,qu2,qu3
0,1,2,1
1,2,3,5
2,4,1,2
3,3,2,4
4,4,3,4
data.to_csv('out.csv',sep='|') # 指定别的分隔符
|qu1|qu2|qu3
0|1|2|1
1|2|3|5
2|4|1|2
3|3|2|4
4|4|3|4
data=pd.DataFrame({'qu1':[1,2,np.nan,3,4],'qu2':[2,3,1,2,3],'qu3':[1,5,2,4,4]})
data.to_csv('out.csv',na_rep='NULL') # 默认的缺失值显示为空字符串，这里我们让其显示为 null
,qu1,qu2,qu3
0,1.0,2,1
1,2.0,3,5
2,NULL,1,2
3,3.0,2,4
4,4.0,3,4
data.to_csv('out.csv',na_rep='NULL',index=False,header=False)
2.0,3,5 # 这里我们禁止了行和列标签的写入
NULL,1,2
3.0,2,4
4.0,3,4
data.to_csv('out.csv',na_rep='NULL',columns=['qu2','qu3']) # 这里我们仅写入部分列，并按照我们想的顺序
,qu2,qu3
0,2,1
1,3,5
2,1,2
3,2,4
4,3,4
data['qu3'].to_csv('teseries.csv') # Sries 也有 to_csv方法的
6.1.3 使用分隔格式
绝大多数表型数据都可以使用 read_table 读取，但是某些情况下我们还是需要些手操。
import csv
!type ex7.csv # 我们使用这个 csv文件
"a","b","c"
"1","2","3"
"1","2","3"
reader=csv.reader(open('ex7.csv'))
for line in reader:
print(line)
['a', 'b', 'c']
['1', '2', '3']
['1', '2', '3']
# 然后我们进行一些处理，将数据整理成我们需要的形式
with open('ex7.csv') as f:
lines=list(csv.reader(f))
header,values = lines[0],lines[1:] # 拆分成列名行和数据行
data_dict={h:v for h,v in zip(header,zip(*values))} # *values 很少见啊。。
data_dict
{'a': ('1', '1'), 'b': ('2', '2'), 'c': ('3', '3')}
list(zip(*values)) # 加个* 就变成了参数集合，python自动展开成参数列表
[('1', '1'), ('2', '2'), ('3', '3')] # list(zip([1,2,3],[1,2,3])) 就是这个感觉
csv文件有多种不同的风格，如需要不同的分隔符，字符串引用约定或行终止符定义处一种新的格式，可以使用 cdv.Dialect 定义一个简单的子类。
class my_dialect(csv.Dialect): # 额，，，这需要懂嘛。。。
lineterminator = '\n'
delimiter=';'
quotechar='"'
quoting = csv.QUOTE_MINIMAL
reader=csv.reader(f,dialect=my_dialect)
# 我们也可以不用定义子类，直接将CSV 方言参数传入 csv.reader 的关键字参数：
reader = csv.reader(f,delimiter='|')
然后就是 csv.writer 方法写入文件。。。
import csv
headers = ('name','age','height')
students = [
("张三",18,180),
("李四",19,190),
("王五",20,170)]
with open("students.csv",'w',encoding='utf-8',newline='') as fp:
# csv标准库中的writerow在写入文件时会加入'\r\n'作为换行符，if newline is ''，换行符不会被转化,就不会有额外的空行了。。。。
writer = csv.writer(fp，dialect=my_dialect ) # 这个也接受方言、格式选项。。
writer.writerow(headers) # 写入表头
writer.writerows(students) # 写入数据
headers = ('name','age','height')
students = [
{"name":"张三","age":18,"height":180},
{"name":"李四","age":19,"height":190},
{"name":"王五","age":20,"height":170}
]
with open("students.csv",'w',encoding='utf-8',newline='') as fp:
writer = csv.DictWriter(fp,headers)
# 虽然DictWriter创建的时候有一个headers，但是想要写入数据进去，还是需要调用
# writer.writeheader()方法，否则，表头数据写入不进去
writer.writeheader()
writer.writerows(students)
JSON数据
obj = """
{"name": "Wes",
"places_lived": ["United States", "Spain", "Germany"],
"pet": null,
"siblings": [{"name": "Scott", "age": 30, "pets": ["Zeus", "Zuko"]},
{"name": "Katie", "age": 38,
"pets": ["Sixes", "Stache", "Cisco"]}]
}
"""
JSON非常接近python 代码，除了他的空值 null 和一些其他的细微差别（例如不允许列表末尾的逗号）之外，基本类型就是对象（字典），数组（列表），字符串，数字，布尔值，和空值。对象中所有的键必须是字符串，我们使用 json 库来读写数据
import json
result = json.loads(obj)
result
{'name': 'Wes',
'places_lived': ['United States', 'Spain', 'Germany'],
'pet': None,
'siblings': [{'name': 'Scott', 'age': 30, 'pets': ['Zeus', 'Zuko']},
{'name': 'Katie', 'age': 38, 'pets': ['Sixes', 'Stache', 'Cisco']}]}
asjson=json.dumps(result) # 转会JSON 字符串
siblings=pd.DataFrame(result['siblings'],columns=['name','age'])
siblings # 转换成 dataframe
name age
0 Scott 30
1 Katie 38
!type example.json
[{"a": 1, "b": 2, "c": 3},
{"a": 4, "b": 5, "c": 6},
{"a": 7, "b": 8, "c": 9}]
data=pd.read_json('example.json') # 自动将JSON 数据集按照指定次序转换成 series 或 dataframe
data
a b c
0 1 2 3 # 默认是JSON 数组里的每个对象是表里的一行。
1 4 5 6
2 7 8 9
data.to_json() # 将数据导出为JSON
爬虫没白学啊。。。。