In [1]: import pandas as pd
- 泰坦尼克号数据
本教程使用以 CSV 格式存储的泰坦尼克号数据集。该数据包含以下数据列
PassengerId: 每位乘客的 ID。
Survived: 表示乘客是否幸存。
0表示是，1表示否。Pclass: 三种票类之一：Class
1, Class2和 Class3。Name: 乘客姓名。
Sex: 乘客性别。
Age: 乘客年龄（岁）。
SibSp: 船上的兄弟姐妹或配偶数量。
Parch: 船上的父母或子女数量。
Ticket: 乘客的票号。
Fare: 表示票价。
Cabin: 乘客的船舱号。
Embarked: 登船港口。
如何读取和写入表格数据？#
我希望分析泰坦尼克号乘客数据，该数据以 CSV 文件形式提供。
In [2]: titanic = pd.read_csv("data/titanic.csv")
pandas 提供了
read_csv()函数，用于将以 csv 文件形式存储的数据读取到 pandasDataFrame中。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），每种都带有read_*前缀。
读取数据后，请务必检查数据。显示 DataFrame 时，默认会显示前 5 行和后 5 行。
In [3]: titanic
Out[3]:
PassengerId Survived Pclass ... Fare Cabin Embarked
0 1 0 3 ... 7.2500 NaN S
1 2 1 1 ... 71.2833 C85 C
2 3 1 3 ... 7.9250 NaN S
3 4 1 1 ... 53.1000 C123 S
4 5 0 3 ... 8.0500 NaN S
.. ... ... ... ... ... ... ...
886 887 0 2 ... 13.0000 NaN S
887 888 1 1 ... 30.0000 B42 S
888 889 0 3 ... 23.4500 NaN S
889 890 1 1 ... 30.0000 C148 C
890 891 0 3 ... 7.7500 NaN Q
[891 rows x 12 columns]
我想查看 pandas DataFrame 的前 8 行。
In [4]: titanic.head(8) Out[4]: PassengerId Survived Pclass ... Fare Cabin Embarked 0 1 0 3 ... 7.2500 NaN S 1 2 1 1 ... 71.2833 C85 C 2 3 1 3 ... 7.9250 NaN S 3 4 1 1 ... 53.1000 C123 S 4 5 0 3 ... 8.0500 NaN S 5 6 0 3 ... 8.4583 NaN Q 6 7 0 1 ... 51.8625 E46 S 7 8 0 3 ... 21.0750 NaN S [8 rows x 12 columns]
要查看
DataFrame的前 N 行，请使用head()方法，并将所需的行数（在此例中为 8）作为参数。
注意
想查看最后 N 行吗？pandas 也提供了 tail() 方法。例如，titanic.tail(10) 将返回 DataFrame 的最后 10 行。
通过请求 pandas 的 dtypes 属性，可以检查 pandas 如何解释每个列的数据类型。
In [5]: titanic.dtypes
Out[5]:
PassengerId int64
Survived int64
Pclass int64
Name object
Sex object
Age float64
SibSp int64
Parch int64
Ticket object
Fare float64
Cabin object
Embarked object
dtype: object
对于每个列，都列出了所使用的数据类型。此 DataFrame 中的数据类型包括整数（int64）、浮点数（float64）和字符串（object）。
注意
当请求 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。属性表示 DataFrame/Series 的一个特征，而方法（需要括号）则对 DataFrame/Series 执行操作，正如第一个教程中介绍的那样。
我的同事要求将泰坦尼克号数据转换为电子表格。
In [6]: titanic.to_excel("titanic.xlsx", sheet_name="passengers", index=False)
虽然
read_*函数用于将数据读取到 pandas 中，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到电子表格中。
相应的读取函数 read_excel() 会将数据重新加载到 DataFrame 中。
In [7]: titanic = pd.read_excel("titanic.xlsx", sheet_name="passengers")
In [8]: titanic.head()
Out[8]:
PassengerId Survived Pclass ... Fare Cabin Embarked
0 1 0 3 ... 7.2500 NaN S
1 2 1 1 ... 71.2833 C85 C
2 3 1 3 ... 7.9250 NaN S
3 4 1 1 ... 53.1000 C123 S
4 5 0 3 ... 8.0500 NaN S
[5 rows x 12 columns]
我对
DataFrame的技术摘要感兴趣。In [9]: titanic.info() <class 'pandas.core.frame.DataFrame'> RangeIndex: 891 entries, 0 to 890 Data columns (total 12 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 PassengerId 891 non-null int64 1 Survived 891 non-null int64 2 Pclass 891 non-null int64 3 Name 891 non-null object 4 Sex 891 non-null object 5 Age 714 non-null float64 6 SibSp 891 non-null int64 7 Parch 891 non-null int64 8 Ticket 891 non-null object 9 Fare 891 non-null float64 10 Cabin 204 non-null object 11 Embarked 889 non-null object dtypes: float64(2), int64(5), object(5) memory usage: 83.7+ KB
方法
info()提供了关于DataFrame的技术信息，因此我们来更详细地解释一下输出。它确实是一个
DataFrame。共有 891 个条目，即 891 行。
每行都有一个行标签（也称为
index），其值范围从 0 到 890。该表有 12 列。大多数列的每行都有一个值（所有 891 个值都是
non-null）。有些列确实有缺失值，且non-null值少于 891 个。列
Name、Sex、Cabin和Embarked包含文本数据（字符串，也称为object）。其他列是数值数据，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。还提供了存储 DataFrame 所需的大致 RAM 量。
记住
通过
read_*函数支持从多种不同文件格式或数据源将数据导入 pandas。通过不同的
to_*方法提供将数据从 pandas 导出。head/tail/info方法和dtypes属性方便进行首次检查。
有关 pandas 输入和输出功能的完整概述，请参阅用户指南中关于读取器和写入器函数的部分。