读取数据

这是什么：CSV（逗号分隔的纯文本表格）和 Excel 文件的读写，也就是"喂数据"和"吐数据"。

为什么用：上一章的 DataFrame 都是手写字典造的，真实数据却都躺在文件里。不学会读文件，pandas 只能处理你手写的那几行；学会写出，报告才拿得出手。

如何用：本章用 pd.read_csv() 和 pd.read_excel() 把文件读成 DataFrame，再把结果存回文件。

读 CSV

CSV 就是用逗号分隔的纯文本表格，最通用的数据格式。先用记事本建一个 成绩.csv：

姓名,年龄,成绩
小明,18,92
小红,17,88
小刚,19,95

一行代码读进来：

import pandas as pd

df = pd.read_csv("成绩.csv")
print(df)

   姓名  年龄  成绩
0  小明  18  92
1  小红  17  88
2  小刚  19  95

读 Excel

读 Excel 需要多装一个小工具 openpyxl（pandas 自己不会拆 .xlsx 文件）：

pip install openpyxl

df = pd.read_excel("成绩.xlsx")   # 默认读第一个工作表

两个常用参数

只挑有用的列——文件几十列你只要两列时：

df = pd.read_csv("成绩.csv", usecols=["姓名", "成绩"])

指定哪列当行索引——比如把"姓名"当标签，不再用 0/1/2：

df = pd.read_csv("成绩.csv", index_col="姓名")
print(df)

    年龄  成绩
姓名
小明  18  92
小红  17  88
小刚  19  95

中文乱码坑

read_csv 打开中文文件报 UnicodeDecodeError？八成是编码问题。Windows 上不少 CSV 是 GBK 编码，换个参数就好：

df = pd.read_csv("成绩.csv", encoding="gbk")   # 默认 utf-8，报错就试 gbk

判断方法：用记事本打开 CSV，点「另存为」看"编码"那一栏，写的啥就填啥。

导出：to_csv

分析完总要存出去，一行搞定：

df.to_csv("新成绩.csv", index=False)     # index=False：不把行号写进文件
df.to_excel("新成绩.xlsx", index=False)  # 导出 Excel 同理

打开 新成绩.csv 检查一下——干净整齐，没有多余的行号列。

本章解读

记忆口诀

read 进 to 出，乱码换 encoding，导出记得 index=False。

动手改

1. 手动建一个三行学生数据的 CSV，用 pandas 读出来并 print
2. 给 read_csv 加上 usecols 只读两列，对比输出少了什么
3. 把读进来的 DataFrame 用 to_csv 导出成新文件，再读回来验证没丢数据

下一章：数据清洗，真实数据从来都不干净 🐸