不知道有多少人是因为我的头像太吓人不敢关注我，所以我决定向广大的智慧超群的粉丝群体征集一个头像，没啥要求，积极、阳光、正面即可，如果能和公众号的名字极客或者挖掘机挂钩最佳，方式可以添加小编的微信（allen_6174）发给小编即可，如果采纳，将会全平台更换（可怜的我这个用了近一年的头像啊，我当时还觉得挺 cool 来着）。

闲话少说，我们开始今天的正题，数据导出。

当我们在对数据做完相应的处理后，想要将数据保存下来的时候，就需要用到数据导出了。

其实在前面的文章中，小编曾经使用过一次数据导出成 Excel ，当时没有详细介绍，本文我们详细介绍一下数据导出。

Excel 导出

在做数据导出前，我们需要现有一份 DataFrame 数据，这里的数据小编偷懒，就直接读取之前示例中的 Excel 了，当然这么做并没有什么意义，仅用来演示导出数据。

在 Pandas 中导出 Excel 的时候，需要使用到的方法是 to_excel() 方法，在导出 Excel 文件的时候，一定要写对文件路径，我们在前面的文章中有介绍过文件路径的书写方法，小编这里不多 BB ，直接上示例：

import pandas as pd

# 数据读取
df = pd.read_excel("table_join_exp.xlsx", sheet_name='Sheet1')

# 数据导出
df.to_excel(excel_writer=r'D:DevelopmentProjectsdemo.xlsx')

我们来看下 to_excel() 这个方法的语法：

DataFrame.to_excel(self, excel_writer, sheet_name='Sheet1', na_rep='', float_format=None, columns=None, header=True, index=True, index_label=None, startrow=0, startcol=0, engine=None, merge_cells=True, encoding=None, inf_rep='inf', verbose=True, freeze_panes=None) → None

to_excel() 这个方法中的参数还是比较多的，我们挑几个常用的介绍一下：

excel_writer ：文件路径或现有的ExcelWriter
sheet_name ：字符串，默认是 “Sheet1”
float_format ：格式化浮点数的字符串
header ：写出列名。如果给定字符串列表，则假定它是列名称的别名。
index ：写索引
columns ：设置要导出的列
encoding ：编码格式，一般我们选择 ‘utf-8‘ 。
na_rep ：缺失值处理
inf_rep ：无穷值的处理

接下来看示例，这个示例小编会尽量写得复杂一点，把我们上面的属性尽可能的都用上，并且标注好注释：

df.to_excel(excel_writer=r'D:DevelopmentProjectsdemo.xlsx',
            sheet_name='测试文档', # 创建 sheet 名称
            index=False,  # 设置索引不显示
            columns=['编号', '姓名'],  # 设置要导出的列
            encoding='utf-8', # 设置编码格式
            na_rep='0', # 缺失值处理
            inf_rep='inf'  # 无穷值处理
            )

CSV 导出

在导出 CSV 的时候，要使用到的方法是 to_csv() ，和上面导出 Excel 实际上相差并不大，一样是要先设置文件路径，接下来可以设置索引、导出的列、分隔符号、编码格式、缺失值等等。

还是先来看下 to_csv() 语法：

DataFrame.to_csv(self, path_or_buf: Union[str, pathlib.Path, IO[~AnyStr], NoneType] = None, sep: str = ',', na_rep: str = '', float_format: Union[str, NoneType] = None, columns: Union[Sequence[Union[Hashable, NoneType]], NoneType] = None, header: Union[bool, List[str]] = True, index: bool = True, index_label: Union[bool, str, Sequence[Union[Hashable, NoneType]], NoneType] = None, mode: str = 'w', encoding: Union[str, NoneType] = None, compression: Union[str, Mapping[str, str], NoneType] = 'infer', quoting: Union[int, NoneType] = None, quotechar: str = '"', line_terminator: Union[str, NoneType] = None, chunksize: Union[int, NoneType] = None, date_format: Union[str, NoneType] = None, doublequote: bool = True, escapechar: Union[str, NoneType] = None, decimal: Union[str, NoneType] = '.') → Union[str, NoneType]

可以看到的是 to_csv() 比较 to_excel() 有着更多的参数，实际上，我们一些常用的参数并不多，小编下面接着给出一个比较复杂的导出示例：

df.to_csv(path_or_buf=r'D:DevelopmentProjectsdemo.csv', # 设置导出路径
          index=False,  # 设置索引不显示
          sep=',', # 设置分隔符号
          na_rep='0', # 缺失值处理
          columns=['编号', '姓名'],  # 设置要导出的列
          encoding='utf-8', # 设置编码格式
          )

注释都已经写得很清楚了，就不在多做介绍了。

本篇文章的就先到这里了，这也是 Pandas 系列的最后一篇，从下一篇开始，我们开始介绍数据可视化 Matplotlib 的使用，希望大家多多关注呦~

示例代码

老规矩，所有的示例代码都会上传至代码管理仓库 Github 和 Gitee 上，方便大家取用。

示例代码-Github

示例代码-Gitee

以上是关于小白学 Python 数据分析（14）：Pandas （十三）数据导出的主要内容，如果未能解决你的问题，请参考以下文章

小白学 Python（16）：基础数据类型（函数）（上）

小白学 Python（13）：基础数据结构（字典）（下）

小白学 Python（19）：基础异常处理

小白学 Python 数据分析（11）：Pandas 数据分组

小白学 Python 数据分析（10）：Pandas 数据运算

小白学 Python（18）：基础文件操作