Python3.6下用Pandas导入CSV、筛选分析并转制表符分隔导出

嘿，完全没问题！这事儿在Pandas里操作起来超直观，我把整个流程拆成清晰的步骤，重点帮你搞定制表符分隔导出的关键设置：

• 步骤1：导入Pandas并读取原始CSV文件
  先确保你已经安装了Pandas（如果没装的话，先跑pip install pandas），然后读取你的Data.csv：

  import pandas as pd
  
  # 读取原始逗号分隔的CSV文件
  df = pd.read_csv('Data.csv')
  

• 步骤2：用loc方法筛选目标多列
  假设你需要保留的列是['用户ID', '订单金额', '交易日期']（替换成你的实际列名），用loc可以精准选中所有行和指定列：

  # 格式：df.loc[行筛选条件, 列名列表]，这里冒号表示选中所有行
  filtered_df = df.loc[:, ['用户ID', '订单金额', '交易日期']]
  

  要是你还需要同时筛选行（比如只保留订单金额大于100的记录），可以改成：

  filtered_df = df.loc[df['订单金额'] > 100, ['用户ID', '订单金额', '交易日期']]
  

• 步骤3：导出为制表符（\t）分隔的文件
  敲黑板！这是你要的核心设置：用to_csv方法时，把sep参数设为'\t'，同时建议关闭索引列导出（避免多余的序号列）：

  # 导出为制表符分隔的文件，后缀用.tsv更规范（也可以用.csv，但.tsv更直观）
  filtered_df.to_csv('筛选结果.tsv', sep='\t', index=False, encoding='utf-8')
  

  参数说明：

  • sep='\t'：强制使用制表符作为分隔符
  • index=False：不导出Pandas自动生成的索引列
  • encoding='utf-8'：避免中文等非ASCII字符出现乱码

完整可复制代码 #

import pandas as pd

# 1. 读取原始CSV
df = pd.read_csv('Data.csv')

# 2. 筛选目标列（替换成你的实际列名）
target_columns = ['列名1', '列名2', '列名3']
filtered_df = df.loc[:, target_columns]

# 3. 导出为制表符分隔文件
filtered_df.to_csv('筛选结果.tsv', sep='\t', index=False, encoding='utf-8')

如果后续还有其他分析需求（比如数据聚合、缺失值处理、统计计算等），直接在filtered_df上完成操作后，重复第三步的导出代码即可，同样用sep='\t'就能保持制表符分隔的格式。

内容的提问来源于stack exchange，提问作者Charlie