人生苦短，我用 Python
前文传送门：
小白学 Python 数据分析（2）：Pandas （一）概述
小白学 Python 数据分析（3）：Pandas （二）数据结构 Series
小白学 Python 数据分析（4）：Pandas （三）数据结构 DataFrame
小白学 Python 数据分析（5）：Pandas （四）基础操作（1）查看数据
小白学 Python 数据分析（6）：Pandas （五）基础操作（2）数据选择
小白学 Python 数据分析（7）：Pandas （六）数据导入
小白学 Python 数据分析（8）：Pandas （七）数据预处理
小白学 Python 数据分析（9）：Pandas （八）数据预处理（2）
小白学 Python 数据分析（10）：Pandas （九）数据运算
小白学 Python 数据分析（11）：Pandas （十）数据分组
小白学 Python 数据分析（12）：Pandas （十一）数据透视表（pivot_table）
小白学 Python 数据分析（13）：Pandas （十二）数据表拼接
引言
先说个题外话，今天有位小朋友在后台给我留言，说我的公众号头像太吓人了，不敢关注我，怕我入侵她的手机。。。。。。。。。。。
emmmmmmmmmmmm，我都这么牛逼了么，我怎么不知道。
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。