pandas可以讀寫如下格式的數據類型：

具體詳見：http://pandas.pydata.org/pandas-docs/version/0.20/io.html

讀取csv文件

我們準備了一個csv文件，格式類似為：

要讀取此csv文件，方法為：

import pandas as pd
import numpy as np
data = pd.read_csv("D:\\data\\location.csv", encoding="GB2312")
print("data:")
print(data)

輸出為：

data:
    城市   小區數量  行政區      道路    門牌號   建築年代   經度坐標   緯度坐標    開發商   平均單價   平均租金
0  包頭市   1388  100   99.27  20.68  11.16  99.85  99.85  26.15  95.89  80.40
1  北京市  16194  100   99.97  50.58  67.96  99.79  99.79  57.66  98.16  94.94
2  濱州市   1765  100   99.37  28.90   0.00  76.65  76.65   7.42  95.86  50.59
3  亳州市    249  100   99.59   5.62   0.00  90.36  90.36  29.31  96.38  53.41
4  常州市   2405  100  100.00  46.90  46.32  99.41  99.41  62.82  95.01  88.93
5  成都市  12660  100   99.92  85.49  60.39  99.88  99.88  50.34  98.94  94.32
6  東莞市   2493  100  100.00  20.78  62.49  98.43  98.43  71.11  98.75  89.81
7  東營市    709  100   98.16   9.87   2.25  93.08  93.08  15.09  94.64  65.16
8  佛山市   4945  100   99.81  54.18  19.81  99.53  99.53  30.05  93.73  88.55
9  福州市   3622  100   99.94  79.65  75.06  99.86  99.86  65.18  98.28  94.97

這裡我第一次嘗試運行時，由於沒有設置正確的encoding導致出錯，大家如果發生出錯可以看下csv的編碼格式，到底是UTF-8的還是GB2312的。

存儲

存儲的方法也比較簡單，用to_xxx的函數，其中xxx用相應的格式代替就可以。
比如，我們調用to_pickle函數來存儲成pickle格式的數據，其中pickle格式有點類似JAVA中序列化後的文件，也就是python內部定義的格式文件。
代碼很簡單：

data.to_pickle("d:\\data\\location.pickle")

這樣在對應的磁碟上就生成了location.pickle文件，我們用編輯器打開看一下：

一堆看不懂的亂碼：）。

下次如果想要讀取這個pickle文件，也很簡單，方法如下：

import pandas as pd
import numpy as np
data = pd.read_pickle("D:\\data\\location.pickle")
print("data:")
print(data)

輸出為：

data:
    城市   小區數量  行政區      道路    門牌號   建築年代   經度坐標   緯度坐標    開發商   平均單價   平均租金
0  包頭市   1388  100   99.27  20.68  11.16  99.85  99.85  26.15  95.89  80.40
1  北京市  16194  100   99.97  50.58  67.96  99.79  99.79  57.66  98.16  94.94
2  濱州市   1765  100   99.37  28.90   0.00  76.65  76.65   7.42  95.86  50.59
3  亳州市    249  100   99.59   5.62   0.00  90.36  90.36  29.31  96.38  53.41
4  常州市   2405  100  100.00  46.90  46.32  99.41  99.41  62.82  95.01  88.93
5  成都市  12660  100   99.92  85.49  60.39  99.88  99.88  50.34  98.94  94.32
6  東莞市   2493  100  100.00  20.78  62.49  98.43  98.43  71.11  98.75  89.81
7  東營市    709  100   98.16   9.87   2.25  93.08  93.08  15.09  94.64  65.16
8  佛山市   4945  100   99.81  54.18  19.81  99.53  99.53  30.05  93.73  88.55
9  福州市   3622  100   99.94  79.65  75.06  99.86  99.86  65.18  98.28  94.97