使用 Pandas 导入 CSV 文件中的数据

Pandas

Pandas 是一个非常流行的 Python 库，用于数据分析，这是数据科学生命周期的第二步。它提供了高效处理和操作数据的功能。由于它使非计算机科学家或程序员也能超越 Excel 来分析数据，因此被广泛使用。在本课程中，我们将使用 Pandas 进行所有数据分析。

Pandas_Python.jpg

我们将从学习如何使用 Pandas 导入 CSV 数据开始。

导入 CSV 文件

如今，企业获取的几乎所有数据都是通过 Excel 等软件录入到电子表格中的。这些数据以表格形式存在。它们存储在以 ".csv" 结尾的 CSV（逗号分隔值）文件中。下图展示了一个电子表格：

Screen Shot 2019-10-17 at 3.26.48 PM.png

上述电子表格可以表示为如下 CSV 文件内容：

要在 Python 中处理 CSV 文件，首先需要将其导入。以下是导入 CSV 文件的示例。
文件 housing.csv 是 加州住房区块的普查数据。你可以点击下载该文件以查看其内容。运行以下代码。

1# 导入 pandas 库以使用它
2import pandas as pd
3
4# 读取文件
5df = pd.read_csv('housing.csv')
6
7# 查看数据框的形状
8print('数据框的形状', df.shape)
9
10# 查看数据集的详细信息
11print('\n', df.info())
12
13# 打印前 5 行数据
14print('\n\n', df.head())

要使用 Pandas，我们首先在第一行导入该库。
然后使用 read_csv 函数读取文件。只需提供文件名称即可，如上文第 5 行所示。Pandas 将文件存储在一个称为 数据框（dataframe） 的对象中，该对象以二维数组的形式存储数据，包含行和列。我们将这个数据框命名为 df。通过打印 df.shape 可以获取数据框的行数和列数，格式为 (行数, 列数)。

为了获取数据集中各列的总体信息，我们在第 11 行使用 info() 函数。该函数会显示每列的名称、非空值数量以及数据类型。

要查看前 5 行数据，我们在第 14 行编写了 print(df.head())。head() 函数返回数据框的前 5 行，print 则将结果输出到屏幕上。

有时由于表格过长，无法完全显示在屏幕上，会出现换行显示的情况。部分列显示在一起，其余列则出现在下方，如上述代码第 14 行的输出所示。

在下一节课中，我们将学习如何从数据框中选择和提取所需的数据。