输入/输出#

酸洗#

`read_pickle` \(文件路径或_缓冲区[, ...] )	从文件中加载腌制Pandas对象(或任何对象)。
`DataFrame.to_pickle` \(路径[, compression, ...] )	Pickle(序列化)对象到文件。

平面文件#

`read_table` \(文件路径或_缓冲区[, sep, ...] )	将通用分隔文件读入DataFrame。
`read_csv` \(文件路径或_缓冲区[, sep, ...] )	将逗号分隔值(CSV)文件读入DataFrame。
`DataFrame.to_csv` \([path_or_buf, sep, na_rep, ...] )	将对象写入逗号分隔值(CSV)文件。
`read_fwf` \(文件路径或_缓冲区[, colspecs, ...] )	将固定宽度的格式化行表读入DataFrame。

剪贴板#

`read_clipboard` \([sep] )	从剪贴板读取文本并传递给Read_CSV。
`DataFrame.to_clipboard` \([excel, sep] )	将对象复制到系统剪贴板。

Excel#

`read_excel` \(IO[, sheet_name, header, names, ...] )	将Excel文件读入Pandas数据帧。
`DataFrame.to_excel` \(EXCEL_编写器[, ...] )	将对象写入Excel工作表。
`ExcelFile.parse` \([sheet_name, header, names, ...] )	将指定的工作表解析为DataFrame。

Styler.to_excel \(EXCEL_编写器[, sheet_name, ...] )

将Styler写入Excel工作表。

ExcelWriter \(路径[, engine, date_format, ...] )

用于将DataFrame对象写入Excel工作表的类。

JSON#

`read_json` \([path_or_buf, orient, typ, dtype, ...] )	将JSON字符串转换为Pandas对象。
`json_normalize` \(数据[, record_path, meta, ...] )	将半结构化的JSON数据标准化为平面表。
`DataFrame.to_json` \([path_or_buf, orient, ...] )	将对象转换为JSON字符串。

build_table_schema \(数据[, index, ...] )

从以下位置创建表架构 data 。

HTML#

`read_html` \(IO[, match, flavor, header, ...] )	将HTML表读取到 `list` 的 `DataFrame` 对象。
`DataFrame.to_html` \([buf, columns, col_space, ...] )	将DataFrame呈现为HTML表。

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

将Styler写入HTML-CSS格式的文件、缓冲区或字符串。

XML#

`read_xml` \(路径_或_缓冲区[, xpath, ...] )	将XML文档读取到 `DataFrame` 对象。
`DataFrame.to_xml` \([path_or_buffer, index, ...] )	将DataFrame呈现为XML文档。

Latex#

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

将对象呈现到LaTeX表格、长表或嵌套表。

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

将Styler写入LaTeX格式的文件、缓冲区或字符串。

HDFStore：PyTables(HDF5)#

`read_hdf` \(路径_或_buf[, key, mode, errors, ...] )	从商店里读出来，如果我们打开了就把它关了。
`HDFStore.put` \(键，值[, format, index, ...] )	将对象存储在HDFStore中。
`HDFStore.append` \(键，值[, format, axes, ...] )	追加到文件中的表。
`HDFStore.get` \(密钥)	检索存储在文件中的Pandas对象。
`HDFStore.select` \(密钥[, where, start, stop, ...] )	检索存储在文件中的Pandas对象，可根据WHERE标准进行选择。
`HDFStore.info` \()	打印商店的详细信息。
`HDFStore.keys` \([include] )	返回与存储在HDFStore中的对象对应的键的列表。
`HDFStore.groups` \()	返回所有顶级节点的列表。
`HDFStore.walk` \([where] )	遍历Pandas对象的PYTABLE组层次。

警告

可以存储的子类 DataFrame 或 Series 到HDF5，但子类的类型在存储时会丢失。

羽毛#

`read_feather` \(路径[, columns, use_threads, ...] )	从文件路径加载羽化格式的对象。
`DataFrame.to_feather` \(路径， ** Kwargs)	将DataFrame写入二进制羽化格式。

镶木#

`read_parquet` \(路径[, engine, columns, ...] )	从文件路径加载一个地块对象，返回一个DataFrame。
`DataFrame.to_parquet` \([path, engine, ...] )	将DataFrame写入二进制拼图格式。

ORC#

read_orc \(路径[, columns] )

从文件路径加载ORC对象，返回DataFrame。

SAS#

read_sas \(文件路径或_缓冲区[, format, ...] )

读取存储为XPORT或SAS7BDAT格式文件的SAS文件。

SPSS#

read_spss \(路径[, usecols, convert_categoricals] )

从文件路径加载SPSS文件，返回DataFrame。

SQL#

`read_sql_table` \(表_名称，连接[, schema, ...] )	将SQL数据库表读入DataFrame。
`read_sql_query` \(SQL，CON[, index_col, ...] )	将SQL查询读入DataFrame。
`read_sql` \(SQL，CON[, index_col, ...] )	将SQL查询或数据库表读入DataFrame。
`DataFrame.to_sql` \(名称，控制 [, schema, ...] )	将存储在DataFrame中的记录写入SQL数据库。

谷歌BigQuery#

read_gbq \(查询[, project_id, index_col, ...] )

从Google BigQuery加载数据。

STATA#

`read_stata` \(文件路径或_缓冲区[, ...] )	将Stata文件读入DataFrame。
`DataFrame.to_stata` \(路径[, convert_dates, ...] )	将DataFrame对象导出为Stata DTA格式。

`StataReader.data_label`	返回Stata文件的数据标签。
`StataReader.value_labels` \()	返回一个DICT，将每个变量名关联到一个DICT，将每个值关联到相应的标签。
`StataReader.variable_labels` \()	将变量标签作为字典返回，将每个变量名与相应的标签相关联。
`StataWriter.write_file` \()	将DataFrame对象导出为Stata DTA格式。

API参考

pandas.read_pickle