保存文件 df3.to_csv(????) #pandas直接存为txt

在Pandas中，`to_csv()` 函数用于将DataFrame对象保存为CSV（逗号分隔值）文件。如果你想将DataFrame `df3` 保存为文本文件（默认是CSV格式），你只需要调用这个函数并传入文件名（包括路径，如果不在当前工作目录下），如下所示：

df3.to_csv('filename.csv', index=False)

这里的参数说明：
- `'filename.csv'` 是你要保存的文件名，你可以根据实际需要自定义。
- `index=False` 表示不保存索引到文件中，如果你不需要索引，可以省略或设置为False。

如果你想要保存为其他格式，比如txt（文本文件），虽然Pandas的`to_csv()` 不直接支持，但你可以先将数据转换为字符串，然后写入文本文件。例如：

# 将DataFrame转换为字符串
data_as_string = df3.to_string()

# 写入文本文件
with open('filename.txt', 'w') as f:
    f.write(data_as_string)

相关问题

import pandas as pd df=pd.read_csv('D:/20230706/sdssSpecPhoto.csv') df1=df.sort_values(by="ra",ascending=True) df2=df1.drop_duplicates(subset=['ra','dec'],keep='first',inplace=False) df3=df2.iloc[:,1:3] df3.to_csv("D:/20230706/sdss_corrdinate1.csv") df4=pd.read_csv("D:/20230706/sdss_ALLWISE.csv",index_col=0)

您已经成功导入了 Pandas 库，并使用 `pd.read_csv` 函数读取了名为 'D:/20230706/sdssSpecPhoto.csv' 的 CSV 文件，将其存储在名为 'df' 的 DataFrame 中。

接下来，您对 DataFrame 'df' 进行了排序操作，按照 'ra' 列的值进行升序排序，并将结果存储在名为 'df1' 的新 DataFrame 中。

然后，您使用 `drop_duplicates` 函数在 'df1' DataFrame 上去除了重复的行，基于 'ra' 和 'dec' 列的值进行判断，并保留第一次出现的行。这一操作的结果被存储在名为 'df2' 的新 DataFrame 中。

接着，您使用 `iloc` 方法从 'df2' DataFrame 中选取了所有行和第1、2列的数据，并将结果存储在名为 'df3' 的新 DataFrame 中。

随后，您使用 `to_csv` 方法将 'df3' DataFrame 中的数据写入到名为 'D:/20230706/sdss_corrdinate1.csv' 的 CSV 文件中。

最后，您使用 `pd.read_csv` 函数读取了名为 'D:/20230706/sdss_ALLWISE.csv' 的 CSV 文件，并将其存储在名为 'df4' 的 DataFrame 中，并将第一列作为索引列。

import matplotlib.pyplot as plt import pandas as pd import numpy as np import tushare as ts pro = ts.pro_api('68055e3ab5b3a9b50c8fef138c44546dbd25bea5474439a22134df3d') start_date = '20180510' end_date = '20201030' code_list = ['000568.SZ', '000858.SZ', '600519.SH', '600809.SH', '002304.SZ'] for i in code_list: df = pro.daily(ts_code=i, start_date=start_date, end_date=end_date) df = df[['ts_code','trade_date','close']] df.to_csv(f'{i}.csv',encoding='gbk') df1 = pd.read_csv('000568.SZ.csv') df2 = pd.read_csv('000858.SZ.csv') df3 = pd.read_csv('600519.SH.csv') df4 = pd.read_csv('600809.SH.csv') df5 = pd.read_csv('002304.SZ.csv') df=pd.concat([df1,df2,df3,df4,df], ignore_index=True) df['trade_date'] = pd.to_datetime(df['trade_date'], format='%Y%m%d') df['close'] = df['close'].astype(float) df = df.set_index('trade_date') returns1 = df.loc[df['ts_code'] == '000568.SZ', 'close'].pct_change() returns2 = df.loc[df['ts_code'] == '000858.SZ', 'close'].pct_change() returns3 = df.loc[df['ts_code'] == '600519.SH', 'close'].pct_change() returns4 = df.loc[df['ts_code'] == '600809.SH', 'close'].pct_change() returns5 = df.loc[df['ts_code'] == '002304.SZ', 'close'].pct_change() returns = 0.32 * returns1 + 0.15 * returns2 + 0.10 * returns3 + 0.18 * returns4 + 0.25 * returns5

你的代码是用于计算不同股票的加权平均收益率的。其中，代码列表中包含了5只股票，分别是 '000568.SZ', '000858.SZ', '600519.SH', '600809.SH', '002304.SZ'，每只股票的交易数据都是从 '20180510' 到 '20201030' 的。代码首先通过 tushare 库获取每只股票的交易数据，并将其保存到相应的 csv 文件中。接着，代码使用 pandas 库将这些 csv 文件读取到 DataFrame 中，并将这些 DataFrame 合并到一起。最后，代码计算了每只股票的收益率，并按照一定的权重对这些收益率进行加权平均。