输入/输出

Pickling

read_pickle(filepath_or_buffer[, ...])	从文件加载pickle化的pandas对象（或任何对象）并返回未pickle化的对象。
DataFrame.to_pickle(路径, *[, 压缩, ...])	将对象（序列化）保存到文件中。

Flat file

read_table(filepath_or_buffer, *[, sep, ...])	将通用分隔文件读取到 DataFrame 中。
read_csv(filepath_or_buffer, *[, sep, ...])	将逗号分隔值（csv）文件读取到 DataFrame 中。
DataFrame.to_csv([path_or_buf, sep, na_rep, ...])	将对象写入逗号分隔值（csv）文件。
read_fwf(filepath_or_buffer, *[, colspecs, ...])	将固定宽度格式化的行读取到 DataFrame 中。

剪贴板

read_clipboard([sep, dtype_backend])	从剪贴板读取文本并传递给 read_csv()。
DataFrame.to_clipboard(*[, excel, sep])	将对象复制到系统剪贴板。

Excel

read_excel(io[, sheet_name, header, names, ...])	将一个 Excel 文件读取到一个 pandas DataFrame 中。
DataFrame.to_excel(excel_writer, *[, ...])	将对象写入 Excel 表格。
ExcelFile(path_or_buffer[, engine, ...])	用于将表格Excel表格解析为DataFrame对象的类。
ExcelFile.book	获取 Excel 工作簿。
ExcelFile.sheet_names	文档中工作表的名称。
ExcelFile.parse([sheet_name, header, names, ...])	将指定的表格解析为 DataFrame。

Styler.to_excel(excel_writer[, sheet_name, ...])

将 Styler 写入 Excel 表格。

ExcelWriter(路径[，引擎，日期格式，...])

用于将 DataFrame 对象写入 excel 表格的类。

JSON

read_json(path_or_buf, *[, orient, typ, ...])	将 JSON 字符串转换为 pandas 对象。
json_normalize(data[, record_path, meta, ...])	将半结构化的 JSON 数据规范化成一个扁平的表格。
DataFrame.to_json([path_or_buf, orient, ...])	将对象转换为 JSON 字符串。

build_table_schema(data[, index, ...])

从 data 创建一个表结构。

HTML

read_html(io, *[, match, flavor, header, ...])	将 HTML 表格读取到 DataFrame 对象的 list 中。
DataFrame.to_html([buf, columns, col_space, ...])	将 DataFrame 渲染为 HTML 表格。

Styler.to_html([buf, table_uuid, ...])

将 Styler 写入文件、缓冲区或字符串，格式为 HTML-CSS。

XML

read_xml(path_or_buffer, *[, xpath, ...])	将 XML 文档读取到一个 DataFrame 对象中。
DataFrame.to_xml([path_or_buffer, index, ...])	将 DataFrame 渲染为 XML 文档。

Latex

DataFrame.to_latex([buf, columns, header, ...])

将对象渲染为 LaTeX 表格、长表格或嵌套表格。

Styler.to_latex([buf, column_format, ...])

将 Styler 写入文件、缓冲区或字符串，格式为 LaTeX。

HDFStore: PyTables (HDF5)

read_hdf(path_or_buf[, key, mode, errors, ...])	从存储中读取，如果我们打开了它，就关闭它。
HDFStore.put(key, value[, format, index, ...])	将对象存储在 HDFStore 中。
HDFStore.append(key, value[, format, axes, ...])	在文件中追加到表。
HDFStore.get(key)	检索存储在文件中的 pandas 对象。
HDFStore.select(key[, where, start, stop, ...])	从文件中检索存储的 pandas 对象，可选地基于 where 条件。
HDFStore.info()	打印有关商店的详细信息。
HDFStore.keys([include])	返回一个对应于存储在 HDFStore 中的对象的键列表。
HDFStore.groups()	返回所有顶级节点的列表。
HDFStore.walk([where])	遍历 pandas 对象的 pytables 组层次结构。

警告

可以将 DataFrame 或 Series 的子类存储到 HDF5 中，但在存储时子类的类型会丢失。

Feather

read_feather(path[, columns, use_threads, ...])	从文件路径加载一个 feather 格式的对象。
DataFrame.to_feather(path, **kwargs)	将一个 DataFrame 写入二进制 Feather 格式。

Parquet

read_parquet(路径[, 引擎, 列, ...])	从文件路径加载一个 parquet 对象，返回一个 DataFrame。
DataFrame.to_parquet([路径, 引擎, ...])	将一个 DataFrame 写入二进制 parquet 格式。

ORC

read_orc(路径[, 列, 数据类型后端, ...])	从文件路径加载一个 ORC 对象，返回一个 DataFrame。
DataFrame.to_orc([路径, 引擎, 索引, ...])	将 DataFrame 写入优化行列 (ORC) 格式。

SAS

read_sas(filepath_or_buffer, *[, format, ...])

读取存储为 XPORT 或 SAS7BDAT 格式的 SAS 文件。

SPSS

read_spss(路径[, 使用列, ...])

从文件路径加载一个SPSS文件，返回一个DataFrame。

SQL

read_sql_table(table_name, con[, schema, ...])	将 SQL 数据库表读取到 DataFrame 中。
read_sql_query(sql, con[, index_col, ...])	将 SQL 查询读取到 DataFrame 中。
read_sql(sql, con[, index_col, ...])	将 SQL 查询或数据库表读取到 DataFrame 中。
DataFrame.to_sql(name, con, *[, schema, ...])	将存储在 DataFrame 中的记录写入 SQL 数据库。

STATA

read_stata(filepath_or_buffer, *[, ...])	将 Stata 文件读入 DataFrame。
DataFrame.to_stata(路径, *[, 转换日期, ...])	将 DataFrame 对象导出为 Stata dta 格式。

StataReader.data_label	返回 Stata 文件的数据标签。
StataReader.value_labels()	返回一个嵌套的字典，将每个变量名与其值和标签关联起来。
StataReader.variable_labels()	返回一个字典，将每个变量名与其对应的标签关联起来。
StataWriter.write_file()	将 DataFrame 对象导出为 Stata dta 格式。