动手实践：数据集的导入与导出

让我们将本章的理念付诸实践。我们将演练从文件读取数据、进行少量修改，然后保存结果的常见情况。这模拟了数据分析中常见的模式：加载、处理、保存。

首先，请确保已导入 Pandas。通常，我们使用别名 pd。

import pandas as pd
print(f"Pandas version: {pd.__version__}")

准备示例数据文件

对于这些练习，我们需要一些数据文件。假设我们有两个文件：

1. students.csv：一个逗号分隔值文件。
2. grades.xlsx：一个 Microsoft Excel 文件。

如果您在本地运行此代码，可以自行创建这些文件。

创建 students.csv： 将以下文本保存到与您的脚本或笔记本位于同一目录下的 students.csv 文件中：

StudentID,Name,Major
101,Alice,Physics
102,Bob,Chemistry
103,Charlie,Mathematics
104,David,Physics

创建 grades.xlsx： 您需要安装 openpyxl 等库（pip install openpyxl）才能处理 .xlsx 文件。创建一个名为 grades.xlsx 的 Excel 文件，并在名为 Sheet1 的工作表中放入以下数据：

学生ID	课程	分数
101	力学	85
102	有机化学	92
101	电磁学	78
103	微积分	95
102	热力学	88
104	力学	81

从 CSV 读取数据

现在，让我们使用 pd.read_csv() 将 students.csv 文件读取到 Pandas DataFrame 中。

# 读取 CSV 文件
students_df = pd.read_csv('students.csv')

# 显示 DataFrame
print("学生 DataFrame：")
print(students_df)

您会注意到 Pandas 正确地将第一行识别为标题，并使用了默认的整数索引（0, 1, 2, 3）。

如果我们的文件使用不同的分隔符（例如制表符）怎么办？或者，如果我们想让 StudentID 列作为 DataFrame 的索引怎么办？我们可以在 read_csv 中使用参数 (parameter)。

# 示例：假设 StudentID 应作为索引进行读取
students_df_indexed = pd.read_csv('students.csv', index_col='StudentID')

print("\n带有 StudentID 作为索引的学生 DataFrame：")
print(students_df_indexed)

设置 index_col='StudentID' 会指示 Pandas 将该列中的值用作 DataFrame 的行标签（即索引）。

从 Excel 读取数据

接下来，让我们使用 pd.read_excel() 从 grades.xlsx 文件加载数据。

# 读取 Excel 文件（确保已安装 openpyxl 或其他引擎）
try:
    grades_df = pd.read_excel('grades.xlsx')
    print("\n成绩 DataFrame（来自 Excel Sheet1）：")
    print(grades_df)
except ImportError:
    print("\n请安装 'openpyxl' 以读取 Excel 文件：pip install openpyxl")
except FileNotFoundError:
    print("\n请确保 'grades.xlsx' 位于正确的目录中。")

默认情况下，read_excel 读取第一个工作表。如果我们的数据在不同的工作表上，例如“CourseGrades”，我们会这样指定：

# 示例：读取特定工作表（如果存在）
# grades_df_specific_sheet = pd.read_excel('grades.xlsx', sheet_name='CourseGrades')

您可以为 sheet_name 使用工作表名称（字符串）或其基于零的索引（整数）。

简单修改

让我们对已加载的 grades_df 添加一个新列。假设我们想要一个“Status”列，指示分数在 70 或以上为“Pass”（通过），否则为“Fail”（未通过）。我们可以使用布尔索引和赋值来实现这一点。

# 在继续之前检查 grades_df 是否已成功加载
if 'grades_df' in locals():
    # 添加一个 'Status' 列，默认为 'Fail'
    grades_df['Status'] = 'Fail'

    # 当 Grade >= 70 时，将 'Status' 更新为 'Pass'
    grades_df.loc[grades_df['Grade'] >= 70, 'Status'] = 'Pass'

    print("\n已添加 Status 列的成绩 DataFrame：")
    print(grades_df)
else:
    print("\n跳过修改，因为 grades_df 未加载。")

我们首先创建了该列并分配了一个默认值（'Fail'）。然后，我们使用带有布尔条件（grades_df['Grade'] >= 70）的 .loc 来选择分数达到及格标准的行，并仅将其“Status”值更新为“Pass”。

将数据写入 CSV

现在我们已经修改了 grades_df，让我们将其保存回一个新的 CSV 文件，名为 processed_grades.csv。

一个常见的要求是不将 DataFrame 的索引（0, 1, 2...）写入文件，因为它通常不表示有意义的数据。我们为此使用 index=False 参数 (parameter)。

# 在保存之前检查 grades_df 是否存在
if 'grades_df' in locals():
    # 将修改后的 DataFrame 保存为 CSV，不包含索引
    grades_df.to_csv('processed_grades.csv', index=False)
    print("\n已将修改后的成绩数据保存到 processed_grades.csv（不含索引）。")

    # 您可以通过重新读取或打开文件来验证
    # check_csv = pd.read_csv('processed_grades.csv')
    # print("\n验证读取自 processed_grades.csv：")
    # print(check_csv)
else:
    print("\n跳过 CSV 导出，因为 grades_df 不可用。")

如果您打开 processed_grades.csv，您会看到 StudentID、Course、Grade 和 Status 列，但没有默认的基于 0 的索引列。

将数据写入 Excel

同样，我们可以将修改后的 DataFrame 保存到 Excel 文件中。我们将其命名为 processed_grades.xlsx，并将数据放入名为“Final Grades”的工作表中。同样，我们通常会希望 index=False。

# 在保存之前检查 grades_df 是否存在
if 'grades_df' in locals():
    try:
        # 将修改后的 DataFrame 保存到 Excel，不包含索引，并指定工作表名称
        grades_df.to_excel('processed_grades.xlsx', sheet_name='Final Grades', index=False)
        print("\n已将修改后的成绩数据保存到 processed_grades.xlsx（工作表：“Final Grades”，不含索引）。")

        # 验证（可选）
        # check_excel = pd.read_excel('processed_grades.xlsx', sheet_name='Final Grades')
        # print("\n验证读取自 processed_grades.xlsx：")
        # print(check_excel)
    except ImportError:
        print("\n请安装 'openpyxl' 以写入 Excel 文件：pip install openpyxl")
else:
    print("\n跳过 Excel 导出，因为 grades_df 不可用。")

这会创建一个 Excel 文件，其中包含我们处理过的数据，并在指定的工作表中组织整齐。

总结

在此练习环节中，您使用了 Pandas 的基本输入输出函数：

• pd.read_csv()：从文本文件加载数据，并了解 index_col。
• pd.read_excel()：从电子表格加载数据，并了解 sheet_name。
• .to_csv()：保存 DataFrame，强调使用 index=False。
• .to_excel()：保存 DataFrame，使用 index=False 和 sheet_name。

您还在读取和写入之间执行了一个简单的数据修改步骤，这体现了一个基本的数据处理流程。熟练掌握这些输入和输出操作对于将 Pandas 融入您的数据分析任务非常重要。