有问题就有答案
Q1：python 怎么把csv中的数据写入列表？
使用pandas读取的方法是pandas.to_csv()得到的结果是dataframe格式，再用numpy库转一下具体代码:import pandas as pdimport numpy as npfile_content = pd.to_csv(r"C:\新建文件夹\result123.csv")row = np.array(file_content)lx = row.tolist()
Q2：python处理一个csv数据，根据其中一列数据来得到新一列写入同一个文件中？
用熊猫库可以实现：import pandassapdfile=" your _ CSV _ path。" CSV "数据=PD。read _ CSV(文件)数据["排序"]=数据["性别"].map(lambda x :1 ifx==" man " else-1)数据。to _ CSV(文件，索引=假)
Q3：python pandas 怎样高效地添加一行数据
这可能和其他方法一样有效，但是熊猫/numpy结构根本不适合高效生长。当它们以固定的尺寸创建并保持这种状态时，它们工作得最好布伦巴恩12月6日12:20:43追加是concat的包装器，因此concat的效率会稍微高一些，但正如@布伦谷仓所说熊猫可能不适合每秒更新一个HDF5文件。如果你出于某种原因绝对需要熊猫，你能收集一个系列的列表并定期更新文件吗？马蒂约翰12月6日12:20:54布伦说得对，当预分配时，数字/熊猫工作得最好。如果内存没有限制，只需预分配一个巨大的零数组，并在程序结束时追加，删除任何多余的零。我想这就是马蒂所说的21:16年12月6日12时的数据结构简介数据帧是一种二维标记数据结构，具有可能不同类型的列。所以一般说来数据帧就是一组列，每一列都是一个值的数组。对熊猫来说，这个数组是numpy数组的一种或另一种形式（可能是变体)。而ndarray本身不存在一种原地追加的操作。因为它实际上是一段连续内存。任何需要改变ndarray长度的操作都涉及分配一段长度合适的新的内存，然后。这是这类操作慢的原因。如果熊猫数据框没有用其他设计减少的话，我相信布伦式速射轻机枪说的这可能是最有效的方法是很对的。所以总的来说，正如布伦式速射轻机枪说的熊猫/熊猫的结构根本不适合高效生长。马蒂和阿里纳克说的是两种常见的对付这个问题的方法。我想马蒂实际的意思是把要加的行收集成起来然后连接，这样只一次阿里纳克。的方法就是预先分配内存比较好理解。如果你真的需要增量构建数据框架的话，估计你需要实际测试一下两种方法。我的建议是，如有可能，尽力避免增量构建数据帧，比如用其他数据结构收集齐所有数据然后转变成数据帧做分析。顺便。这类问题上stackoverflow好得多。
Q4：如何用pandas在表格下方增加一行maximum value
1、在当前任一表格名称中点击右键选“插入”－“常用”－“工作表”，确定（增加一个新的工作表）；2、在当前任一表格名称中点击右键选“移动或复制工作表”，勾选“建立副本”，确定（复制多一个工作表）；3、用左键点击当前任一表格名称并摁住键盘上的CTRL键，向右或左拖动－放手，这就又复制了一个工作表。
Q5：如何将pandas.dataframe的数据写入到文件中
步骤操作方法如下：1、环境准备:a、右击桌面上选择【Open in Terminal】 打开终端。b、在弹出的终端中输入【ipython】进入Python的解释器中，如图1所示。2、导入所需要的包：导入实验常用的python包。如图2所示。【import pandas as pd】pandas用来做数据处理。【import numpy as np】numpy用来做高维度矩阵运算.【import matplotlib.pyplot as plt】matplotlib用来做数据可视化。3、pandas数据写入到csv文件中：【names = [‘Bob’,’Jessica’,’Mary’,’John’,’Mel’]】创建一个names列表【 births = [968,155,77,578,973]】创建一个births 列表【DataSet = list(zip(names,births))】用 zip 函数将这两个列表合并在一起【DataSet】查看生成的数据【df = pd.DataFrame(data = DataSet ,columns=[‘Names’,’Births’])】用生成的数据生成一个DataFrame对象【df】查看生成的dataFrame将创建的数据写入到/opt/births1880.csv文件中，【df.to_csv(‘/opt/births1880.csv’, index=False, header=False )】将df写入到文件中【ls /opt/births1880.csv】查看文件是否存在【cat /opt/births1880.csv】查看文件内容4、pandas读取csv中的数据读取步骤3生成的数据，如图5所示。【local_data = r’/opt/births1880.csv’】将文件路径赋到变量local_data中【df2 = pd.read_csv(local_data,header=None)】读取内容赋值到df2【df2】查看df2的值【 df3 = pd.read_csv(local_data,header=None,names=[‘names’,’births’])】指定列名字赋值到df3【df3】查看df3的值Pandas是Python下一个开源数据分析的库，它提供的数据结构DataFrame极大的简化了数据分析过程中一些繁琐操作,DataFrame是一张多维的表，大家可以把它想象成一张Excel表单或者Sql表。之前这篇文章已经介绍了从各种数据源将原始数据载入到dataframe中，这篇文件介绍怎么将处理好的dataframe中的数据写入到文件和数据库中。参考资料博客园.博客园[引用时间2018-1-2]
Q6：用python把list里的数据写入csv
最常用的一种方法，利用pandas包import pandas as pd#任意的多组列表a = [1,2,3]b = [4,5,6] #字典中的key值即为csv中列名dataframe = pd.DataFrame({"a_name":a,"b_name":b})#将DataFrame存储为csv,index表示是否显示行名，default=Truedataframe.to_csv("test.csv",index=False,sep=",")1234567891011a_name b_name0 1 41 2 52 3 6同样pandas也提供简单的读csv方法，import pandas as pddata = pd.read_csv("test.csv")12会得到一个DataFrame类型的data。另一种方法用csv包，一行一行写入import csv#python2可以用file替代openwith open("test.csv","w") as csvfile:writer = csv.writer(csvfile)#先写入columns_namewriter.writerow(["index","a_name","b_name"])#写入多行用writerowswriter.writerows([[0,1,3],[1,2,3],[2,3,4]])12345678910index a_name b_name0 1 31 2 32 3 41234读取csv文件用readerimport csvwith open("test.csv","r") as csvfile:reader = csv.reader(csvfile) #这里不需要readlinesfor line in reader:print line