pandas to_csv 文件目录位置

在使用 Pandas 中的 `to_csv()` 方法将 DataFrame 写入 CSV 文件时，可以通过指定文件路径来设置文件的目录位置。

如果你希望将文件保存在当前工作目录下，可以直接指定文件名，如：

import pandas as pd

df = pd.DataFrame({'col1': [1, 2, 3], 'col2': [4, 5, 6]})
df.to_csv('my_data.csv', index=False)

上述代码中，文件名为 `'my_data.csv'`，它将保存在当前工作目录下。

如果你希望将文件保存在其他目录中，可以指定完整的文件路径，如：

import pandas as pd

df = pd.DataFrame({'col1': [1, 2, 3], 'col2': [4, 5, 6]})
df.to_csv('/path/to/my_data.csv', index=False)

上述代码中，文件将保存在 `/path/to/` 目录下，命名为 `'my_data.csv'`。

请确保指定的目录路径是存在的，否则会抛出异常。如果目录不存在，你可以使用其他方法来创建目录，例如使用 `os.makedirs()` 函数。

相关问题

pandas to_csv

可以使用pandas的to_csv()方法将DataFrame保存为csv文件。例如，使用以下代码将DataFrame保存为csv文件：

import pandas as pd

df = pd.read_csv('./data/34/sample_pandas_normal.csv', index_col=0)
df.to_csv('./data/34/to_csv_out.csv')

这将把DataFrame保存为名为to_csv_out.csv的文件。如果你想将数据追加到现有的csv文件中，可以使用mode='a'参数。例如：

df.to_csv('./data/34/to_csv_out.csv', mode='a', header=False)

这将把数据追加到to_csv_out.csv文件中，而不会添加新的列名。

如果你想指定整数或浮点数列的格式，可以先将DataFrame中的列转换为字符串格式，然后再保存为csv文件。例如：

df\['col1'\] = df\['col1'\].map('{:.3f}'.format)
df\['col2'\] = df\['col2'\].map('{:.3e}'.format)
df\['col3'\] = df\['col3'\].map('{:#010x}'.format)
df.to_csv('./data/34/to_csv_out_float_format_str.csv')

这将把DataFrame中的col1列保留3位小数，col2列使用科学计数法表示，col3列以十六进制格式保存。

请注意，保存后的列类型将变为object。你可以使用df.dtypes来检查列的数据类型。

\[1\] \[2\] \[3\]
#### 引用[.reference_title]
- *1* *2* *3* [34_Pandas对CSV文件内容的导出和添加（to_csv）](https://blog.csdn.net/qq_18351157/article/details/113520345)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}} ] [.reference_item]
[ .reference_list ]

pandas to_csv () 导出为 CSV文件

pandas的`to_csv()`函数是Pandas库中的一个非常常用的方法，它用于将DataFrame对象转换成CSV（Comma-Separated Values）文件格式并保存到磁盘上。这个函数接受几个关键参数：

1. `filename`: 需要保存的CSV文件名，可以是一个完整的路径，也可以是相对路径，如果不指定，则默认保存在当前工作目录下。

2. `path_or_buf`: 可选的参数，如果提供了一个字符串，那么`to_csv()`会直接写入到文件；如果提供的是一个BufferedIOBase对象，如`StringIO`，则数据会被追加到该缓冲区。

3. `sep`: 列分值，默认是逗号（','），可以根据需要设置其他字符，比如制表符('\t')。

4. `index`: 是否包含行索引，默认是True，你可以选择False来忽略索引。

5. `header`: 是否包含列名，默认是True，可以选择None或False来省略列名。

例如，下面是一个基本的使用示例：

import pandas as pd

# 创建一个简单的DataFrame
data = {'Name': ['John', 'Anna', 'Peter'], 'Age': [28, 24, 30]}
df = pd.DataFrame(data)

# 将DataFrame保存为CSV文件
df.to_csv('output.csv', index=False)

在这个例子中，`output.csv`就会在当前工作目录下创建，并保存DataFrame的数据。