如何保存 pandas dataframe 供以后使用（举例）

通常，您可能希望保存 pandas DataFrame 以供以后使用，而无需从 CSV 文件重新导入数据。

最简单的方法是使用to_pickle()将 DataFrame 保存为 pickle 文件：

 df. to_pickle (" my_data.pkl ")

这会将 DataFrame 保存在您当前的工作环境中。

然后，您可以使用read_pickle()从 pickle 文件中快速读取 DataFrame：

 df = pd. read_pickle (" my_data.pkl ")

下面的例子展示了如何在实践中使用这些函数。

示例：保存并加载 Pandas DataFrame

假设我们创建以下 pandas DataFrame，其中包含有关各个篮球队的信息：

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
                   ' points ': [18, 22, 19, 14, 14, 11, 20, 28],
                   ' assists ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]})

#view DataFrame
print (df)

  team points assists rebounds
0 A 18 5 11
1 B 22 7 8
2 C 19 7 10
3 D 14 9 6
4 E 14 12 6
5 F 11 9 5
6 G 20 9 9
7:28 4 12

我们可以使用df.info()显示 DataFrame 中每个变量的数据类型：

 #view DataFrame info
print ( df.info ())

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8 entries, 0 to 7
Data columns (total 4 columns):
 # Column Non-Null Count Dtype 
--- ------ -------------- ----- 
 0 team 8 non-null object
 1 point 8 non-null int64 
 2 assists 8 non-null int64 
 3 rebounds 8 non-null int64 
dtypes: int64(3), object(1)
memory usage: 292.0+ bytes
None

我们可以使用to_pickle()函数将此 DataFrame 保存到扩展名为.pkl的 pickle 文件中：

 #save DataFrame to pickle file
df. to_pickle (" my_data.pkl ")

我们的 DataFrame 现在在当前工作环境中保存为 pickle 文件。

然后我们可以使用read_pickle()函数快速读取 DataFrame：

 #read DataFrame from pickle file
df=pd. read_pickle (" my_data.pkl ")

#view DataFrame
print (df)

team points assists rebounds
0 A 18 5 11
1 B 22 7 8
2 C 19 7 10
3 D 14 9 6
4 E 14 12 6
5 F 11 9 5
6 G 20 9 9
7:28 4 12

我们可以再次使用df.info()来确认每列的数据类型与之前相同：

 #view DataFrame info
print ( df.info ())

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8 entries, 0 to 7
Data columns (total 4 columns):
 # Column Non-Null Count Dtype 
--- ------ -------------- ----- 
 0 team 8 non-null object
 1 point 8 non-null int64 
 2 assists 8 non-null int64 
 3 rebounds 8 non-null int64 
dtypes: int64(3), object(1)
memory usage: 292.0+ bytes
None

使用 pickle 文件的优点是，当我们保存和加载 DataFrame 时，会保留每列的数据类型。

与保存和加载 CSV 文件相比，这具有优势，因为我们不需要对 DataFrame 执行任何转换，因为 pickle 文件保留了 DataFrame 的原始状态。

其他资源

以下教程解释了如何修复 Python 中的其他常见错误：

如何修复 Pandas 中的 KeyError
如何修复：ValueError：无法将 float NaN 转换为 int
如何修复：ValueError：操作数无法与形状一起广播