O pacote pandas é excelente para lidar com muitos dos problemas que você enfrentará ao importar dados como cientista de dados, como comentários que ocorrem em arquivos simples, linhas vazias e valores faltantes (NA ou NaN). Para encerrar este capítulo, você importará uma cópia corrompida do conjunto de dados titanic_corrupt.txt do Titanic, que contém comentários após o caractere '#', e é delimitado por tabulação.

Os principais argumentos de pd.read_csv() incluem:

sep define o delimitador esperado.
- Você pode usar ',' para delimitação por vírgula.
- Você pode usar '\t' para delimitação por tabulação.
comment aceita os caracteres que aparecem após os comentários no arquivo, indicando que qualquer texto que comece com esses caracteres deve ser ignorado.
na_values aceita uma lista de strings para identificar como NA/NaN. Por padrão, alguns valores já são reconhecidos como NA/NaN. Ao fornecer esse argumento, você fornecerá valores adicionais.

Importação de arquivos simples usando NumPy

Create Your Free Account