Data used for this tutorial:

  • 本教程使用泰坦尼克号数据集，它以 CSV 格式存储。该数据包含以下数据列：

    • PassengerId：每位乘客的 ID。

    • Survived：乘客是否存活的指示。0 表示生存，1 表示死亡。

    • Pclass：3 个票务等级之一：1 等、2 等和 3 等。

    • Name：乘客姓名。

    • Sex：乘客性别。

    • Age：乘客年龄（以年为单位）。

    • SibSp：船上兄弟姐妹或配偶的数量。

    • Parch：船上父母或子女的数量。

    • Ticket：乘客的票号。

    • Fare：指示票价。

    • Cabin：乘客的客舱号。

    • Embarked：登船港口。

    To raw data

如何读写表格式数据？#

../../_images/02_io_readwrite.svg

  • 我想分析泰坦尼克号乘客数据，这些数据以 CSV 文件形式提供。

    pandas 提供了 read_csv() 函数，用于将 CSV 文件中存储的数据读入 pandas DataFrame。pandas 开箱即用地支持许多不同的文件格式或数据源（csv、excel、sql、json、parquet 等），每个都有 read_* 前缀。

读取数据后，请务必始终检查数据。显示 DataFrame 时，默认会显示前 5 行和后 5 行：

  • 我想查看 pandas DataFrame 的前 8 行。

    要查看 DataFrame 的前 N 行，请使用 head() 方法，并将所需行数（本例中为 8）作为参数。

备注

对最后 N 行感兴趣？pandas 还提供了 tail() 方法。例如，titanic.tail(10) 将返回 DataFrame 的最后 10 行。

可以检查 pandas 如何解释每种列数据类型的，方法是请求 pandas 的 dtypes 属性：

列出了每种列使用的。此 DataFrame 中的数据类型包括整数（int64）、浮点数（float64）和字符串（object）。

备注

在请求 dtypes 时，不使用括号！dtypes 是 DataFrame 和 Series 的一个属性。DataFrame 或 Series 的属性不需要括号。属性代表 DataFrame/Series 的一个特征，而方法（需要括号）则对 DataFrame/Series 执行 操作，如 first tutorial 中所述。

  • 我的同事请求了泰坦尼克号数据作为电子表格。

    虽然 read_* 函数用于将数据读入 pandas，但 to_* 方法用于存储数据。to_excel() 方法将数据存储为 excel 文件。在此示例中，sheet_name 被命名为 passengers 而不是默认的 Sheet1。通过设置 index=False，行索引标签不会保存在电子表格中。

等效的读取函数 read_excel() 将把数据重新加载到 DataFrame 中：

  • 我对 DataFrame 的技术摘要感兴趣

    info() 方法提供了关于 DataFrame 的技术信息，所以让我们更详细地解释一下输出：

    • 它确实是一个 DataFrame 。

    • 有 891 个条目，即 891 行。

    • 每行都有一个行标签（也称为 index），值为 0 到 890。

    • 该表有 12 列。大多数列对于每一行都有一个值（所有 891 个值都是 non-null）。一些列确实有缺失值，并且 non-null 的值少于 891 个。

    • Name、Sex、Cabin 和 Embarked 列包含文本数据（字符串，也称为 object）。其他列是数字数据，其中一些是整数（也称为 integer），另一些是实数（也称为 float）。

    • 不同列中的数据类型（字符、整数等）通过列出 dtypes 进行汇总。

    • 还提供了用于保存 DataFrame 所需的 RAM 的近似量。

REMEMBER

  • read_* 函数支持将数据获取到 pandas 中，这些数据可以来自许多不同的文件格式或数据源。

  • 不同的 to_* 方法提供将数据导出到 pandas 之外的功能。

  • head/tail/info 方法和 dtypes 属性对于初次检查很方便。

To user guide

有关输入输出可能性的完整概述，请参阅用户指南中关于 reader and writer functions 的部分。

显示源代码