六、数据整理
“数据整理”通常是指将原始数据,转换为可用于你感兴趣的分析的可用形式,包括加载,聚合和格式化。
注意:在整个笔记本中,我们将使用 ‘!’ 运行 shell 命令,来打印出示例数据文件的内容。
这是 I / O 的官方 Python 。
Python 的 I / O是一种非常“低级”的读取数据文件的方法,并且通常需要大量工作来整理读取文件的细节 - 例如,在上面的示例中,明确地处理新行字符。
只要你有合理的结构化数据文件,使用标准化的文件类型,你就可以使用更高级的函数来处理很多这些细节 - 例如,将数据直接加载到 pandas 数据对象中。
Pandas 有一系列函数,可以将标准文件类型的整个文件自动读取到 pandas 对象中。
import pandas as pd
# Tab 补全来检查所有可用的读取函数
pd.read_
存在许多不同的标准化(和非标准化)文件类型,其中可以存储数据。在这里,我们将从检查 CSV 和 JSON 文件开始。
“逗号分隔值”文件存储数据,以逗号分隔。把它们想象成列表。
这是维基百科中 CSV 文件的更多信息。
Python 中的 CSV 文件
# Python 有一个专门用于处理 csv 的模块
import csv
# 我们可以使用 csv 模块读取我们的文件
with open('files/dat.csv') as csvfile:
csv_reader = csv.reader(csvfile, delimiter=',')
for row in csv_reader:
print(', '.join(row))
'''
1, 2, 3, 4
5, 6, 7, 8
9, 10, 11, 12
'''
Pandas 中的 CSV 文件
JSON 文件
JavaScript 对象标记文件可以存储层次化键/值对。把它们想象成字典。
!cat files/dat.json
'''
{
"firstName": "John",
"age": 53
}
'''
# 将 json 看做与字典相似
d = {'firstName': 'John', 'age': '53'}
print(d)
Python 中的 JSON 文件
Pandas 中的 JSON 文件
# Pandas 还支持读取 json 文件
pd.read_json?
# 你可以使用 pandas 读取 json 格式的字符串
# 请注意,这里我指定将其作为 pd.Series 读取,因为只有一行数据
pd.read_json('{ "first": "Alan", "place": "Manchester"}', typ='series')
'''
first Alan
place Manchester
dtype: object
'''
# 用 pandas 读入我们的 json 文件
pd.read_json(open('files/dat.json'), typ='series')
'''
age 53
firstName John
dtype: object
'''