令笔者对pandas印象最为深刻的一件事，就是在pandas中已经内置了很多数据导入导出方法，然而本人并不了解，在一次小项目的工作中曾手写了一个从excel表格导入数据到DataFrame的python脚本。这个糗事让笔者深感代码能力急需加强！
为了让那次教训刻骨铭心，也为了避免广大读者再走类似的弯路，本文主要介绍关于pandas的数据导入导出功能，理解起来非常简单。
pandas支持的导入导出数据格式多种多样，有csv，excel，sql，json，html，pickle等。
虽然支持众多数据格式，但各类数据格式导入导出的操作方法千篇一律，了解其中一个便能掌握全部，因而本文以数据分析中常见的csv格式为例，介绍pandas的数据导入导出功能。
1 从csv文件导入数据到pandas
例中，要读取的csv文件与代码程序在同一目录下:
exam.csv文件内容如下：
程序将csv文件读入到data变量中：
从中可以看到：pandas默认会将csv文件的第一行作为列名导入进来。
如果导入的数据文件中没有保存列名，则在导入时可以手动添加列名，示例如下：
先复制一份上述csv文件，去掉原有列名部分，其余不变：
在读入数据时，指定列名：
2 导出数据到csv文件
为方便起见，我们将刚才读入的数据再次导出到同目录下的daochu.csv文件：
查看daochu.csv文件中的内容：
可以看到：导出时选择了三列数据，并且输出列名（header=True）与行索引（index=True），索引默认是“0，1，2，3”的形式。
导出csv文件函数的参数比较多，可以对导出后的文件内容进行多种设定，具体每一个参数的作用效果还要靠诸位亲自探索。