在数据分析中，导入和导出数据是常见的操作。Python 提供了多种工具来处理常见的数据格式，如 CSV、Excel 和 JSON。以下是如何使用 Python 进行这些数据格式的导入和导出操作。

1. 导入导出 CSV 文件

CSV（Comma-Separated Values）是一种常见的文本数据格式，用于存储表格数据。Python 的 pandas 库提供了非常方便的函数来读取和写入 CSV 文件。

1.1 读取 CSV 文件

import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('data.csv')
print(df.head())

1.2 写入 CSV 文件

# 写入 CSV 文件
df.to_csv('output.csv', index=False)  # index=False 表示不写入行索引

2. 导入导出 Excel 文件

Excel 是一种常见的电子表格格式，Python 通过 pandas 和 openpyxl 库支持读取和写入 Excel 文件。

2.1 读取 Excel 文件

# 读取 Excel 文件
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')  # sheet_name 可以是工作表名称或索引
print(df.head())

2.2 写入 Excel 文件

# 写入 Excel 文件
df.to_excel('output.xlsx', sheet_name='Sheet1', index=False)

3. 导入导出 JSON 文件

JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，适合存储结构化数据。Python 的 json 模块可以方便地处理 JSON 数据。

3.1 读取 JSON 文件

import json

# 读取 JSON 文件
with open('data.json', 'r') as file:
    data = json.load(file)
print(data)

3.2 写入 JSON 文件

# 写入 JSON 文件
data = {'name': 'Alice', 'age': 30, 'city': 'New York'}

with open('output.json', 'w') as file:
    json.dump(data, file, indent=4)  # indent=4 美化 JSON 格式

4. 结合 Pandas 和 JSON

Pandas 支持将数据框转换为 JSON 格式，并从 JSON 文件中读取数据。

4.1 从 Pandas DataFrame 导出 JSON

# 将 DataFrame 导出为 JSON 格式
df.to_json('output.json', orient='records', lines=True)

• orient='records'：每行是一个 JSON 对象。
• lines=True：每个记录占据一行。

4.2 从 JSON 导入到 Pandas DataFrame

# 从 JSON 文件读取数据
df = pd.read_json('data.json')
print(df.head())

5. 总结

• CSV 文件：使用 pandas 库中的 read_csv 和 to_csv 方法进行导入导出操作。
• Excel 文件：使用 pandas 库中的 read_excel 和 to_excel 方法进行导入导出操作。需安装 openpyxl 库支持 Excel 操作。
• JSON 文件：使用 Python 内置的 json 模块进行导入导出操作，也可以使用 pandas 处理 JSON 数据。

这些方法可以帮助你高效地管理数据的导入和导出工作。