Menyesuaikan impor pandas Anda

Paket pandas sangat andal dalam menangani banyak masalah yang akan Anda temui saat mengimpor data sebagai data scientist, seperti komentar pada flat file, baris kosong, dan nilai hilang (NA atau NaN). Untuk menutup bab ini, Anda akan mengimpor salinan rusak dari himpunan data Titanic titanic_corrupt.txt, yang berisi komentar setelah karakter '#', dan dipisahkan dengan tab (tab-delimited).

Argumen kunci untuk pd.read_csv() meliputi:

sep menetapkan pemisah yang diharapkan.
- Anda dapat menggunakan ',' untuk dipisahkan koma.
- Anda dapat menggunakan '\t' untuk dipisahkan tab.
comment menerima karakter yang menandai dimulainya komentar di file, menunjukkan bahwa teks apa pun yang dimulai dengan karakter ini harus diabaikan.
na_values menerima daftar string yang akan diidentifikasi sebagai NA/NaN. Secara bawaan, beberapa nilai sudah dikenali sebagai NA/NaN. Menyediakan argumen ini akan menambahkan nilai tambahan.

Latihan ini adalah bagian dari kursus

Pengantar Mengimpor Data di Python

Lihat Kursus

Petunjuk latihan

Lengkapi argumen pd.read_csv() untuk mengimpor titanic_corrupt.txt dengan benar menggunakan pandas:
- sep menetapkan pemisah yang digunakan, dan bekerja sama seperti argumen delimiter pada np.loadtxt(). Perhatikan bahwa file yang Anda impor dipisahkan dengan tab.
- comment menerima karakter yang menandai dimulainya komentar di file, yang dalam kasus ini adalah '#'.
- na_values menerima daftar string yang akan diperlakukan sebagai NA/NaN, dalam hal ini string 'Nothing'.
Eksekusi sisa kode untuk mencetak head dari DataFrame yang dihasilkan dan membuat histogram 'Age' penumpang di kapal Titanic.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Import matplotlib.pyplot as plt
import matplotlib.pyplot as plt

# Assign filename: file
file = 'titanic_corrupt.txt'

# Import file: data
data = pd.read_csv(file, sep='____', comment='____', na_values=[____])

# Print the head of the DataFrame
print(data.head())

# Plot 'Age' variable in a histogram
pd.DataFrame.hist(data[['Age']])
plt.xlabel('Age (years)')
plt.ylabel('count')
plt.show()

Edit dan Jalankan Kode