Het pandas-pakket is uitstekend in het omgaan met veel van de problemen die je als data scientist tegenkomt bij het importeren van data, zoals commentaarregels in flat files, lege regels en ontbrekende waarden (NA of NaN). Ter afsluiting van dit hoofdstuk ga je een beschadigde kopie van de Titanic-gegevensset titanic_corrupt.txt importeren, die commentaar bevat na het teken '#', en tab-gescheiden is.

Belangrijke argumenten voor pd.read_csv() zijn onder andere:

sep stelt het verwachte scheidingsteken in.
- Je kunt ',' gebruiken voor komma-gescheiden.
- Je kunt '\t' gebruiken voor tab-gescheiden.
comment neemt tekens op waarna commentaar in het bestand voorkomt; alle tekst die met deze tekens begint, wordt genegeerd.
na_values neemt een lijst met strings die als NA/NaN moeten worden herkend. Standaard worden sommige waarden al als NA/NaN herkend. Met dit argument geef je extra waarden op.

Popquiz: wat zijn flat files precies?

Introductie tot data importeren in Python

Praktische interactieve oefening