Uit een CSV-bestand

CSV-bestanden zijn een veelgebruikte manier om tabelgegevens op te slaan, en pandas is de makkelijkste manier om ze in Python in te lezen. En makkelijk is hier geen overdrijving: je hebt maar één functie nodig om een CSV-bestand met pandas te importeren, en het wordt automatisch omgezet naar een DataFrame.

In deze oefening ga je de pandas-functie read_csv() en de bijbehorende argumenten verkennen om een CSV-bestand met gegevens over wildlife strikes in te lezen. Voer voordat je begint help(pd.read_csv) uit in de console om de argumenten van de functie read_csv() te bekijken. Het zijn er veel, maar je opties begrijpen bespaart je straks veel tijd bij het importeren van gegevens.

Deze oefening maakt deel uit van de cursus

Python voor MATLAB-gebruikers

Cursus bekijken

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Load strikes from strikes.csv
strikes = pd.read_csv('____')

print(strikes.head())

Code bewerken en uitvoeren

Deze oefening maakt deel uit van de cursus

Python voor MATLAB-gebruikers

SkillTag.level.beginnerSkillTag.label

4.8+

Begin de cursus gratis

This chapter gets you started moving from MATLAB to Python. You'll learn about some of the similarities and differences between MATLAB and Python, how to use methods and packages, and be introduced to the popular NumPy package.

Exercise 1: Welcome to Python!Exercise 2: Basic calculations Exercise 3: Forecasting an investment Exercise 4: Types of variables Exercise 5: Methods and packages Exercise 6: Manipulating strings with methods Exercise 7: Using Python packages Exercise 8: Arrays & plotting Exercise 9: Getting started with NumPy arrays Exercise 10: Plotting bicycle traffic Exercise 11: What predicts animal longevity?

In this chapter, you will build on your new NumPy knowledge. You will dive into NumPy arrays, the Python analog to matrices by performing mathematical operations and indexing. You will also begin to explore another important Python data structure, the list, and then round out the chapter by making customs plots of your arrays using Matplotlib.

Exercise 1: Diving into NumPy arrays Exercise 2: Forecasting over time Exercise 3: How much more do organic avocados cost?Exercise 4: Indexing NumPy arrays Exercise 5: Getting columns from NumPy arrays Exercise 6: Bike traffic throughout the week Exercise 7: Filtering arrays with Boolean indexing Exercise 8: Lists Exercise 9: List exploration Exercise 10: Making NumPy arrays from lists Exercise 11: Operating on lists and arrays Exercise 12: Customizing plots Exercise 13: Colors, linestyles, and legends Exercise 14: Encoding data in color & size Exercise 15: Determine engine types in wildlife strikes

This chapter introduces some powerful Python data structures: the dictionary and the pandas DataFrame. You will learn to create dictionaries by setting key-value pairs, and view then how to view and modify your dictionary. Then you will be introduced to one of the most important packages in the Pythonista's toolbox, pandas. Specifically, you'll focus on the pandas' structure, the DataFrame, which organizes tabular data in an easily accessible way. Lastly, you'll learn how to transform different data types into DataFrames to make your data easier to work with.

Exercise 1: Dictionaries Exercise 2: Welke keys?Exercise 3: Haal data eruit Exercise 4: Woordenboeken wijzigen Exercise 5: Introductie tot DataFrames Exercise 6: Verken een pandas DataFrame Exercise 7: Data uit een DataFrame plotten Exercise 8: Toegang krijgen tot pandas DataFrames Exercise 9: Rijen en kolommen benaderen Exercise 10: De vele smaken van .iloc Exercise 11: pandas DataFrames maken Exercise 12: Uit een CSV-bestand

Huidige oefening

Exercise 13: Van een dictionary met lijsten Exercise 14: Van een lijst met dictionaries

You'll finish the course by controlling your Python flow. You will learn how to iterate through different Python data structures using for loops. You will also learn about Python contingencies using if, else, and elif and the Python comparison operators (greater than, less than, etc.) that will decide which lines of your code will be executed. Lastly, you'll circle back to NumPy arrays by using Python comparison operators to filter your arrays.

Exercise 1: Looping through data Exercise 2: Looping through lists Exercise 3: Overlaying multiple plots on a figure Exercise 4: Comparisons and control flow Exercise 5: Counting different types of aircraft Exercise 6: Finding certain rows in a DataFrame Exercise 7: Filtering data Exercise 8: Boolean indexing for quick stats Exercise 9: Booleans for the win!Exercise 10: Boolean indexing and Matplotlib fun Exercise 11: Well done!