CSV文件?

pandas的DataFrame和Series對(duì)象提供了直接保存csv文件格式的方法，通過(guò)參數(shù)設(shè)定，輕松將數(shù)據(jù)內(nèi)容保存在本地磁盤。

常用參數(shù)說(shuō)明：

• path_or_buf: csv文件存放路徑或者StringIO對(duì)象
• sep : 文件內(nèi)容分隔符，默認(rèn)為,逗號(hào)
• na_rep: 在遇到NaN值時(shí)保存為某字符，默認(rèn)為’‘空字符
• float_format: float類型的格式
• columns: 需要保存的列，默認(rèn)為None
• header: 是否保存columns名，默認(rèn)為True
• index: 是否保存index，默認(rèn)為True
• mode : 創(chuàng)建新文件還是追加到現(xiàn)有文件，默認(rèn)為新建
• encoding: 文件編碼格式
• date_format: 日期格式

注：在設(shè)定path時(shí)，如果目錄不存在，程序會(huì)提示IOError，請(qǐng)先確保目錄已經(jīng)存在于磁盤中。

調(diào)用方法：

import tushare as ts

df = ts.get_hist_data('000875')
#直接保存
df.to_csv('c:/day/000875.csv')

#選擇保存
df.to_csv('c:/day/000875.csv',columns=['open','high','low','close'])

追加數(shù)據(jù)的方式：

某些時(shí)候，可能需要將一些同類數(shù)據(jù)保存在一個(gè)大文件中，這時(shí)候就需要將數(shù)據(jù)追加在同一個(gè)文件里,簡(jiǎn)單舉例如下：

import tushare as ts
import os

filename = 'c:/day/bigfile.csv'
for code in ['000875', '600848', '000981']:
    df = ts.get_hist_data(code)
    if os.path.exists(filename):
        df.to_csv(filename, mode='a', header=None)
    else:
        df.to_csv(filename)

【注：如果是不考慮header，直接df.to_csv(filename, mode=’a’）即可，否則，每次循環(huán)都會(huì)把columns名稱也append進(jìn)去】

Excel文件?

pandas將數(shù)據(jù)保存為MicroSoft Excel文件格式。

常用參數(shù)說(shuō)明：

• excel_writer: 文件路徑或者ExcelWriter對(duì)象
• sheet_name:sheet名稱，默認(rèn)為Sheet1
• sep : 文件內(nèi)容分隔符，默認(rèn)為,逗號(hào)
• na_rep: 在遇到NaN值時(shí)保存為某字符，默認(rèn)為’‘空字符
• float_format: float類型的格式
• columns: 需要保存的列，默認(rèn)為None
• header: 是否保存columns名，默認(rèn)為True
• index: 是否保存index，默認(rèn)為True
• encoding: 文件編碼格式
• startrow: 在數(shù)據(jù)的頭部留出startrow行空行
• startcol :在數(shù)據(jù)的左邊留出startcol列空列

調(diào)用方法：

import tushare as ts

df = ts.get_hist_data('000875')
#直接保存
df.to_excel('c:/day/000875.xlsx')

#設(shè)定數(shù)據(jù)位置（從第3行，第6列開(kāi)始插入數(shù)據(jù)）
df.to_excel('c:/day/000875.xlsx', startrow=2,startcol=5)

HDF5文件?

pandas利用PyTables包將數(shù)據(jù)保存為HDF5格式的文件。需要確認(rèn)的是，運(yùn)行時(shí)PyTables包的版本需要 >=3.0.0。

常用參數(shù)說(shuō)明：

• path_or_buf: 文件路徑或者HDFStore對(duì)象
• key:HDF5中的group標(biāo)識(shí)
• mode : 包括 {‘a(chǎn)’追加, ‘w’寫入, ‘r’只讀, ‘r+’等同于a但文件必須已經(jīng)存在}, 默認(rèn)是 ‘a(chǎn)’
• format:‘fixed(f)|table(t)’,默認(rèn)‘fixed’，f適合快速讀寫，不能追加數(shù)據(jù) t適合從文件中查找和選擇數(shù)據(jù)
• append: 適用于table(t)模式追加數(shù)據(jù)，默認(rèn)Flase
• complevel: 壓縮級(jí)別1-9, 默認(rèn)0
• complib: 壓縮類型{‘zlib’, ‘bzip2’, ‘lzo’, ‘blosc’, None}默認(rèn)None

調(diào)用方法：

import tushare as ts

df = ts.get_hist_data('000875')
df.to_hdf('c:/day/hdf.h5','000875')

方法2：

import tushare as ts

df = ts.get_hist_data('000875')
store = HDFStore('c:/day/store.h5')
store['000875'] = df
store.close()

JSON文件?

pandas生成Json格式的文件或字符串。

常用參數(shù)說(shuō)明：

• path_or_buf: json文件存放路徑
• orient:json格式順序，包括columns，records，index，split，values，默認(rèn)為columns
• force_ascii: 將字符轉(zhuǎn)ASCII，默認(rèn)為True

調(diào)用方法：

import tushare as ts

df = ts.get_hist_data('000875')
df.to_json('c:/day/000875.json',orient='records')

#或者直接使用
print df.to_json(orient='records')

MySQL數(shù)據(jù)庫(kù)?

pandas提供了將數(shù)據(jù)便捷存入關(guān)系型數(shù)據(jù)庫(kù)的方法，在新版的pandas中，主要是已sqlalchemy方式與數(shù)據(jù)建立連接，支持MySQL、Postgresql、Oracle、MS SQLServer、SQLite等主流數(shù)據(jù)庫(kù)。本例以MySQL數(shù)據(jù)庫(kù)為代表，展示將獲取到的股票數(shù)據(jù)存入數(shù)據(jù)庫(kù)的方法,其他類型數(shù)據(jù)庫(kù)請(qǐng)參考sqlalchemy官網(wǎng)文檔的create_engine部分。

常用參數(shù)說(shuō)明：

• name:表名，pandas會(huì)自動(dòng)創(chuàng)建表結(jié)構(gòu)
• con：數(shù)據(jù)庫(kù)連接，最好是用sqlalchemy創(chuàng)建engine的方式來(lái)替代con
• flavor:數(shù)據(jù)庫(kù)類型 {‘sqlite’, ‘mysql’}, 默認(rèn)‘sqlite’，如果是engine此項(xiàng)可忽略
• schema:指定數(shù)據(jù)庫(kù)的schema，默認(rèn)即可
• if_exists:如果表名已存在的處理方式 {‘fail’, ‘replace’, ‘a(chǎn)ppend’},默認(rèn)‘fail’
• index:將pandas的Index作為一列存入數(shù)據(jù)庫(kù)，默認(rèn)是True
• index_label:Index的列名
• chunksize:分批存入數(shù)據(jù)庫(kù)，默認(rèn)是None，即一次性全部寫人數(shù)據(jù)庫(kù)
• dtype:設(shè)定columns在數(shù)據(jù)庫(kù)里的數(shù)據(jù)類型，默認(rèn)是None

調(diào)用方法：

from sqlalchemy import create_engine
import tushare as ts

df = ts.get_tick_data('600848', date='2014-12-22')
engine = create_engine('mysql://user:passwd@127.0.0.1/db_name?charset=utf8')

#存入數(shù)據(jù)庫(kù)
df.to_sql('tick_data',engine)

#追加數(shù)據(jù)到現(xiàn)有表
#df.to_sql('tick_data',engine,if_exists='append')

MongoDB?

pandas目前沒(méi)有提供直接存入MongoDB的方法，不過(guò)依然很簡(jiǎn)單，而且方式很多，用戶可根據(jù)自身的業(yè)務(wù)特點(diǎn)選擇存儲(chǔ)的結(jié)構(gòu)方式。

使用方法：

import pymongo
import json

conn = pymongo.Connection('127.0.0.1', port=27017)
df = ts.get_tick_data('600848',date='2014-12-22')

conn.db.tickdata.insert(json.loads(df.to_json(orient='records')))