Exportación de datos de Pandas
Pandas proporciona amplias funciones de exportación que permiten exportar DataFrames a varios formatos comunes, incluyendo CSV, Excel, bases de datos SQL, JSON, etc. Esta sección detalla los métodos de uso y las precauciones de cada forma de exportación.
Exportar a CSV
CSV es el formato de intercambio de datos más universal. La exportación se ve afectada por la codificación predeterminada del entorno, por lo que se debe prestar atención al problema de codificación del chino.
Exportación básica
Ejemplo
# Preparar datos de prueba
df = pd.DataFrame({
"Nombre": ["Zhang San", "Li Si", "Wang Wu", "Zhao Liu"],
"Edad": [25, 30, 28, 35],
"Ciudad": ["Beijing", "Shanghái", "Guangzhou", "Shenzhen"],
"Salario": [12000, 15000, 11000, 18000]
})
# La exportación más básica (incluye índice)
df.to_csv("output.csv")
# Sin incluir el índice
df.to_csv("output.csv", index=False)
Manejo de codificación china
Ejemplo
df = pd.DataFrame({
"Nombre": ["Zhang San", "Li Si", "Wang Wu"],
"Ciudad": ["Beijing", "Shanghái", "Guangzhou"]
})
# Codificación UTF-8 (recomendada)
df.to_csv("output_utf8.csv", encoding="utf-8")
# UTF-8 con BOM (Excel lo abre sin caracteres corruptos)
df.to_csv("output_utf8_bom.csv", encoding="utf-8-sig")
# Codificación GBK (adecuada para sistemas antiguos)
df.to_csv("output_gbk.csv", encoding="gbk")
# Verificar codificación
import os
print("Comparación de tamaños de archivo:")
for f in ["output_utf8.csv", "output_utf8_bom.csv", "output_gbk.csv"]:
print(f"{f}: {os.path.getsize(f)} bytes")
Explicación detallada de las opciones de exportación
Ejemplo
df = pd.DataFrame({
"Nombre": ["Zhang San", "Li Si"],
"Edad": [25, 30]
})
# Especificar el delimitador (por defecto es coma)
df.to_csv("output.tsv", sep="\t") # Formato TSV
# No escribir el encabezado
df.to_csv("output.csv", header=False)
# Nombres de columna personalizados (cuando header=False)
df.to_csv("output.csv", header=False, columns=["Nombre", "Edad"])
# Exportar solo columnas específicas
df.to_csv("output.csv", columns=["Nombre"]) # Exportar solo la columna "Nombre"
# Manejo de valores faltantes
import numpy as np
df_with_na = pd.DataFrame({
"A": [1, 2, np.nan, 4],
"B": ["a", None, "c", "d"]
})
df_with_na.to_csv("output.csv", na_rep="NULL") # Especificar la representación de valores faltantes
# Precisión de números de punto flotante
df = pd.DataFrame({"value": [1.23456789, 2.3456789]})
df.to_csv("output.csv", float_format="%.2f") # Conservar 2 decimales
Exportar a Excel
El formato Excel es adecuado para visualización y edición manual, pero la exportación de archivos grandes es lenta.
Instalar dependencias
pip install openpyxl xlwt
Exportación básica
Ejemplo
df = pd.DataFrame({
"Nombre": ["Zhang San", "Li Si", "Wang Wu"],
"Edad": [25, 30, 28],
"Ciudad": ["Beijing", "Shanghái", "Guangzhou"],
"Salario": [12000, 15000, 11000]
})
# Exportar a Excel (formato .xlsx, requiere openpyxl)
df.to_excel("output.xlsx", index=False)
# Exportar al formato antiguo .xls (requiere xlwt)
df.to_excel("output.xls", index=False)
Exportación de múltiples hojas
Ejemplo
# Crear múltiples DataFrames
df1 = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})
df2 = pd.DataFrame({"C": [7, 8, 9], "D": [10, 11, 12]})
# Exportar a diferentes hojas del mismo Excel
with pd.ExcelWriter("output.xlsx", engine="openpyxl") as writer:
df1.to_excel(writer, sheet_name="Sheet1", index=False)
df2.to_excel(writer, sheet_name="Sheet2", index=False)
print("Exportación de múltiples hojas exitosa")
Exportación con formato
Ejemplo
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment
# Crear DataFrame
df = pd.DataFrame({
"Nombre": ["Zhang San", "Li Si", "Wang Wu"],
"Edad": [25, 30, 28],
"Salario": [12000, 15000, 11000]
})
# Usar ExcelWriter para un control más preciso
with pd.ExcelWriter("output_formatted.xlsx", engine="openpyxl") as writer:
df.to_excel(writer, sheet_name="Información del empleado", index=False)
# Obtener la hoja de trabajo
worksheet = writer.sheets["Información del empleado"]
# Establecer el ancho de columna
worksheet.column_dimensions["A"].width = 15
worksheet.column_dimensions["B"].width = 10
worksheet.column_dimensions["C"].width = 12
# Congelar la primera fila
worksheet.freeze_panes = "A2"
print("Exportación con formato completada")
Exportar a base de datos
Se puede exportar directamente un DataFrame a una base de datos SQL. Consulte el capítulo "Pandas leyendo bases de datos SQL" para más detalles.
Ejemplo
from sqlalchemy import create_engine
# Crear una base de datos en memoria
engine = create_engine("sqlite:///output.db")
# Preparar datos
df = pd.DataFrame({
"name": ["Zhang San", "Li Si", "Wang Wu"],
"age": [25, 30, 28],
"city": ["Beijing", "Shanghái", "Guangzhou"]
})
# Exportar a la base de datos
# if_exists: 'fail' (por defecto) / 'replace' / 'append'
df.to_sql("users", con=engine, if_exists="replace", index=False)
print("Exportación a la base de datos exitosa")
Exportar a JSON
Ejemplo
df = pd.DataFrame({
"Nombre": ["Zhang San", "Li Si", "Wang Wu"],
"Edad": [25, 30, 28]
})
# Diferentes formatos de orient
df.to_json("records.json", orient="records", force_ascii=False, indent=2)
df.to_json("index.json", orient="index", force_ascii=False)
df.to_json("columns.json", orient="columns", force_ascii=False)
# Formato JSON Lines (un objeto JSON por línea, adecuado para registros/logs)
df.to_json("lines.json", orient="records", lines=True, force_ascii=False)
Exportar a otros formatos
Exportar a HTML
Ejemplo
df = pd.DataFrame({
"Nombre": ["Zhang San", "Li Si"],
"Edad": [25, 30]
})
# Exportar a tabla HTML
df.to_html("output.html", index=False)
# Agregar estilos
df.to_html(
"output_styled.html",
index=False,
border=2,
classes=["table", "table-striped"] # Agregar clases CSS
)
Exportar a Markdown
Ejemplo
df = pd.DataFrame({
"Nombre": ["Zhang San", "Li Si", "Wang Wu"],
"Edad": [25, 30, 28]
})
# Exportar a tabla Markdown
print(df.to_markdown(index=False))
# Salida:
# | Nombre | Edad |
# | ---- | ---- |
# | Zhang San | 25 |
# | Li Si | 30 |
# | Wang Wu | 28 |
# Guardar en archivo
with open("output.md", "w") as f:
f.write(df.to_markdown(index=False))
Exportar a LaTeX
Ejemplo
df = pd.DataFrame({
"Nombre": ["Zhang San", "Li Si"],
"Edad": [25, 30]
})
# Exportar a tabla LaTeX
print(df.to_latex(index=False))
# Generar el código de la tabla LaTeX
Exportar a Pickle
Ejemplo
df = pd.DataFrame({
"A": [1, 2, 3],
"B": ["a", "b", "c"]
})
# Exportar a Pickle (conserva los tipos de datos)
df.to_pickle("data.pkl")
# Formato comprimido
df.to_pickle("data.pkl.gz", compression="gzip")
print("Exportación a Pickle completada")
Exportación de grandes volúmenes de datos
Al exportar grandes volúmenes de datos, se deben tener en cuenta los problemas de memoria y rendimiento.
Ejemplo
# Recomendaciones para exportar grandes volúmenes de datos:
# 1. Usar chunksize para escribir en lotes
df = pd.DataFrame({"a": range(1000000), "b": range(1000000)})
# Escritura de CSV en bloques
csv_path = "large_output.csv"
df.to_csv(csv_path, index=False, chunksize=100000)
# 2. Usar un formato más eficiente (Parquet)
df.to_parquet("large_output.parquet", index=False)
# 3. Usar formato comprimido para reducir IO
df.to_csv("large_output.csv.gz", index=False, compression="gzip")
print("Exportación de grandes volúmenes de datos completada")
Preguntas frecuentes y precauciones
1. Excel abre archivos CSV con caracteres corruptos
Usarutf-8-sigLa exportación con codificación permite que Excel reconozca correctamente el chino.
2. Memoria insuficiente al exportar grandes volúmenes de datos
UsarchunksizeEscribir los parámetros por lotes, o usar el formato Parquet en lugar de CSV.
3. Pérdida del formato de fecha y hora
Al exportar a CSV, se convierte en cadenas; se puede especificardate_formatparámetros para controlar el formato.
4. Tipo de datos no coincidente al exportar a la base de datos
Se puede usardtypeparámetros para especificar explícitamente los tipos de columna.
Otras extensionesPara el análisis de datos diario, se recomienda usar el formato Parquet, que tiene ventajas como alta tasa de compresión, lectura y escritura rápidas y preservación de los tipos de datos. Solo use el formato Excel o CSV cuando se necesite revisión manual o compartir.