r 保存dataframe csv

在Python的数据分析中，面对处理的各种数据，存储和读取数据是非常关键的步骤。pandas提供了非常便利的方式，将数据存储为csv文件并读取操作，而且在处理大量数据时，使用csv是很高效的一种方法。

保存dataframe的csv方法：

DataFrame.to_csv（path_or_buf = None，sep = ','，na_rep = ''，float_format = None，columns = None，header = True，index = True，index_label = None，mode =‘w'，encoding = None，compression = None，quoting = None，quotechar = '"'，line_terminator = None，chunksize = None，tupleize_cols = None，date_format = None，doublequote = True，escapechar = None，decimal = '.' ，errors = ‘strict'，storage_options = None）

参数说明：

- path_or_buf：文件路径或者类文件对象
- sep：各个字段间的分隔符，默认为逗号
- na_rep：缺失值填充，默认为空
- float_format：指定浮点数格式化，默认为None
- columns：指定导出列的名称，以列表的形式传入
- header：是否导出列名，默认为True
- index：是否导出行索引，默认为True
- index_label：行索引的名称，默认为None
- mode：文件打开方式，默认为'w'
- encoding：编码方式，默认为utf-8
- compression：指定文件压缩格式，默认为None，可选‘infer','gzip','bz2','zip'
- quoting：引用控制，默认None
- quotechar：用于引用的字符，默认为'"'
- line_terminator：确定输出行尾的字符，默认'\n'
- chunksize：分块大小，用于逐块写入文件
- tupleize_cols：将多维列转换为元组
- date_format：日期类型输出格式
- doublequote：双引号嵌套
- escapechar：用于转义分隔符的转义字符
- decimal：指定浮点数的小数点
- errors：指定处理错误的方式
- storage_options：传递给底层存储后端的字典参数

如下为一个例子：

import pandas as pd

data = {'name': ['Tom', 'Jerry', 'Mike'],
'age': [18, 24, 30],
'gender': ['M', 'M', 'M']}

df = pd.DataFrame(data)

df.to_csv('test.csv', index=False, header=True)

注：在Windows操作系统中，路径的分割符应该为反斜杠"\"，但是为了避免转义字符的影响，需要使用双反斜杠"\\"

当我们不指定参数时，默认会将索引导出并添加一列，例如：

,name,age,gender
0,Tom,18,M
1,Jerry,24,M
2,Mike,30,M

如果不想导出索引，则可以设置index=False和header=True。在实际开发中，常用方式是将自己所需的列和数据导出，如下：

df[['name', 'age']].to_csv('test.csv', index=False, header=False)