代码示例如下:
# 首先创建一个dataframe对象
data=[['0.0', '0.0' , '0.0' , '1.0' , '0.0', '1.0' , '0.0' , '1.0', '1.0' , '0.0'],['1.0' , '1.0' , '1.0' ,'0.0' ,'1.0' , '0.0' , '1.0', '0.0' ,'0.0' ,'1.0']]
df=pd.DataFrame(data,columns=['0','1','2','3','4','5','6','7','8','9'])
# 将dataframe中的数据输出到csv文件中
df.to_csv('./result.csv',sep=',',index=False)
代码示例如下:
# 同样创建一个dataframe对象(与上一个例子相同)
data=[['0.0', '0.0' , '0.0' , '1.0' , '0.0', '1.0' , '0.0' , '1.0', '1.0' , '0.0'],['1.0' , '1.0' , '1.0' ,'0.0' ,'1.0' , '0.0' , '1.0', '0.0' ,'0.0' ,'1.0']]
df=pd.DataFrame(data,columns=['0','1','2','3','4','5','6','7','8','9'])
# 将dataframe中的数据输出到txt文件中
df.to_csv('./result.txt',sep='\t',index=False)
? ? ? ? 对比以上两个代码片段,可以发现,将dataframe中的数据保存到csv文件和txt文件的主要区别在于:函数中的sep参数值的设置,保存到csv文件中sep=',';保存到txt文件中sep='\t'。