輸入/輸出#

醃漬#

read_pickle(filepath_or_buffer[, ...])

從檔案載入醃漬的 pandas 物件 (或任何物件)。

DataFrame.to_pickle(path, *[, compression, ...])

將物件醃漬 (序列化) 到檔案。

平面檔案#

read_table(filepath_or_buffer, *[, sep, ...])

將一般分隔檔案讀取到 DataFrame。

read_csv(filepath_or_buffer, *[, sep, ...])

讀取逗號分隔值 (csv) 檔案到 DataFrame。

DataFrame.to_csv([path_or_buf, sep, na_rep, ...])

將物件寫入逗號分隔值 (csv) 檔案。

read_fwf(filepath_or_buffer, *[, colspecs, ...])

讀取固定寬度格式化行表格到 DataFrame。

剪貼簿#

read_clipboard([sep, dtype_backend])

從剪貼簿讀取文字並傳遞給 read_csv()

DataFrame.to_clipboard([*[, excel, sep])

將物件複製到系統剪貼簿。

Excel#

read_excel(io[, sheet_name, header, names, ...])

讀取 Excel 檔案到 pandas DataFrame

DataFrame.to_excel(excel_writer, *[, ...])

將物件寫入 Excel 工作表。

ExcelFile(path_or_buffer[, engine, ...])

用於將表格 Excel 工作表剖析成 DataFrame 物件的類別。

ExcelFile.book

ExcelFile.sheet_names

ExcelFile.parse([sheet_name, header, names, ...])

剖析指定的工作表成 DataFrame。

Styler.to_excel(excel_writer[, sheet_name, ...])

將 Styler 寫入 Excel 工作表。

ExcelWriter(path[, engine, date_format, ...])

用於將 DataFrame 物件寫入 Excel 工作表的類別。

JSON#

read_json(path_or_buf, *[, orient, typ, ...])

將 JSON 字串轉換成 pandas 物件。

json_normalize(data[, record_path, meta, ...])

將半結構化 JSON 資料正規化成平面表格。

DataFrame.to_json([path_or_buf, orient, ...])

將物件轉換成 JSON 字串。

build_table_schema(data[, index, ...])

data 建立表格架構。

HTML#

read_html(io, *[, match, flavor, header, ...])

將 HTML 表格讀取到 DataFrame 物件的 list 中。

DataFrame.to_html([buf, columns, col_space, ...])

將 DataFrame 呈現為 HTML 表格。

Styler.to_html([buf, table_uuid, ...])

以 HTML-CSS 格式將 Styler 寫入檔案、緩衝區或字串。

XML#

read_xml(path_or_buffer, *[, xpath, ...])

將 XML 文件讀取到 DataFrame 物件中。

DataFrame.to_xml([path_or_buffer, index, ...])

將 DataFrame 呈現為 XML 文件。

Latex#

DataFrame.to_latex([buf, columns, header, ...])

將物件轉換為 LaTeX 表格、長表格或巢狀表格。

Styler.to_latex([buf, column_format, ...])

將 Styler 寫入檔案、緩衝區或字串,格式為 LaTeX。

HDFStore:PyTables (HDF5)#

read_hdf(path_or_buf[, key, mode, errors, ...])

從儲存區讀取,如果我們開啟了儲存區,則關閉它。

HDFStore.put(key, value[, format, index, ...])

將物件儲存在 HDFStore 中。

HDFStore.append(key, value[, format, axes, ...])

附加到檔案中的 Table。

HDFStore.get(key)

擷取儲存在檔案中的 pandas 物件。

HDFStore.select(key[, where, start, stop, ...])

擷取儲存在檔案中的 pandas 物件,選擇性地根據 where 條件。

HDFStore.info()

列印儲存體的詳細資訊。

HDFStore.keys([include])

傳回儲存在 HDFStore 中的物件對應的鍵清單。

HDFStore.groups()

傳回所有頂層節點的清單。

HDFStore.walk([where])

針對 pandas 物件遍歷 pytables 群組階層。

警告

可以將 DataFrameSeries 的子類別儲存到 HDF5,但儲存後會遺失子類別的類型。

Feather#

read_feather(path[, columns, use_threads, ...])

從檔案路徑載入 feather 格式的物件。

DataFrame.to_feather(path, **kwargs)

將 DataFrame 寫入二進位 Feather 格式。

Parquet#

read_parquet(path[, engine, columns, ...])

從檔案路徑載入 parquet 物件,傳回 DataFrame。

DataFrame.to_parquet([path, engine, ...])

將 DataFrame 寫入二進制 parquet 格式。

ORC#

read_orc(path[, columns, dtype_backend, ...])

從檔案路徑載入 ORC 物件,傳回 DataFrame。

DataFrame.to_orc([path, engine, index, ...])

將 DataFrame 寫入 ORC 格式。

SAS#

read_sas(filepath_or_buffer, *[, format, ...])

讀取儲存為 XPORT 或 SAS7BDAT 格式檔案的 SAS 檔案。

SPSS#

read_spss(path[, usecols, ...])

從檔案路徑載入 SPSS 檔案,傳回 DataFrame。

SQL#

read_sql_table(table_name, con[, schema, ...])

將 SQL 資料庫表格讀取到 DataFrame 中。

read_sql_query(sql, con[, index_col, ...])

將 SQL 查詢讀取到 DataFrame 中。

read_sql(sql, con[, index_col, ...])

將 SQL 查詢或資料庫表格讀取到 DataFrame 中。

DataFrame.to_sql(name, con, *[, schema, ...])

將儲存在 DataFrame 中的記錄寫入 SQL 資料庫。

Google BigQuery#

read_gbq(query[, project_id, index_col, ...])

(已棄用) 從 Google BigQuery 載入資料。

STATA#

read_stata(filepath_or_buffer, *[, ...])

將 Stata 檔案讀取到 DataFrame 中。

DataFrame.to_stata(path, *[, convert_dates, ...])

將 DataFrame 物件匯出到 Stata dta 格式。

StataReader.data_label

傳回 Stata 檔案的資料標籤。

StataReader.value_labels()

傳回一個巢狀字典,將每個變數名稱與其值和標籤關聯起來。

StataReader.variable_labels()

傳回一個字典,將每個變數名稱與對應的標籤關聯起來。

StataWriter.write_file()

將 DataFrame 物件匯出到 Stata dta 格式。