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.

Kuis cepat: apa sebenarnya flat file itu?

Pengantar Mengimpor Data di Python

Latihan interaktif langsung