I det här kapitlet lär du dig hur du importerar data till Python från alla typer av platta filer – en enkel och vanligt förekommande form för datalagring. Du har tidigare arbetat med NumPy och pandas, och nu lär du dig hur du använder dessa paket för att importera platta filer och anpassa dina importer.

Välkommen till kursen!

Importera hela textfiler

Importera textfiler rad för rad

Platta filers betydelse inom datavetenskap

Snabbfråga: vad är egentligen platta filer?

Varför vi gillar platta filer och Pythons zen

Importera platta filer med NumPy

Anpassa din NumPy-import

Importera olika datatyper

Importera platta filer med pandas

Importera platta filer som DataFrames med pandas (1)

Importera platta filer som DataFrames med pandas (2)

Anpassa din pandas-import

Avslutande tankar om dataimport

Introduktion och platta filer

Du har lärt dig att importera platta filer, men som datavetenskap kommer du även att behöva arbeta med många andra filtyper. I det här kapitlet lär du dig att importera data till Python från en rad viktiga filformat. Det inkluderar picklade filer, Excel-kalkylblad, SAS- och Stata-filer, HDF5-filer – ett filformat för lagring av stora mängder numeriska data – samt MATLAB-filer.

Introduktion till andra filtyper

Inte så platt längre

Läsa in en pickled-fil

Lista blad i Excel-filer

Importera blad från Excel-filer

Anpassa importen av kalkylblad

Importera SAS/Stata-filer med pandas

Så här importerar du SAS7BDAT

Importera SAS-filer

Importera Stata-filer med read_stata

Importera Stata-filer

Importera HDF5-filer

Använda File för att importera HDF5-filer

Importera HDF5-filer med h5py

Extrahera data från din HDF5-fil

Importera MATLAB-filer

Läsa in .mat-filer

Strukturen hos .mat-filer i Python

Importera data från andra filtyper

I det här kapitlet lär du dig att extrahera meningsfull data från relationsdatabaser – en grundläggande färdighet för alla som arbetar med datavetenskap. Du lär dig om relationsmodeller, hur du skapar SQL-frågor, hur du filtrerar och sorterar dina SQL-poster, och hur du utför avancerade frågor genom att slå samman databastabeller.

Introduktion till relationsdatabaser

Snabbfråga: Den relationella modellen

Skapa en databasmotor i Python

Skapa en databasmotor

Vilka tabeller finns i databasen?

Fråga relationsdatabaser i Python

Hello World av SQL-frågor!

Anpassa din första SQL-fråga

Filtrera databasposter med SQL:s WHERE

Sortera dina SQL-poster med ORDER BY

Fråga relationsdatabaser direkt med pandas

Pandas och SQL-frågors Hello World!

Pandas för mer komplex databasfrågor

Avancerad databasfrågor: utnyttja tabellrelationer

SQL:s styrka ligger i relationer mellan tabeller: INNER JOIN

Filtrera din INNER JOIN

Avslutande tankar

Arbeta med relationsdatabaser i Python

LIGO (HDF5)

MNIST

Battledeath (XLSX)

Chinook (SQLite)

Course Glossary

Sales (SAS7BDAT)

Seaslugs

Gene expressions (MATLAB)

Titanic

Extent of infectious diseases (DTA)

Som datavetenskap kommer du att behöva rensa data, bearbeta och omforma det, visualisera det, bygga prediktiva modeller och tolka dessa modeller. Men innan du kan göra allt detta behöver du veta hur du importerar data till Python. I den här kursen lär du dig de många sätten att importera data till Python: från platta filer som .txt och .csv, från filer som är specifika för andra program som Excel-kalkylblad, Stata-, SAS- och MATLAB-filer, samt från relationsdatabaser som SQLite och PostgreSQL.

Videorna innehåller transkript som du kan visa genom att klicka på "Show transcript" längst ned till vänster i videon.
Kursens ordlista finns till höger i resurssektionen.
För att få CPE-poäng behöver du slutföra kursen och nå 70 % på den kvalificerade bedömningen. Du navigerar till bedömningen via CPE-länken till höger.

Intermediate Python

Du lär dig läsa data i Python från CSV-filer, Excel och databaser som SQLite och PostgreSQL.

Introduktion till dataimport i Python

Lär dig importera data till Python från olika källor, som Excel, SQL, SAS och direkt från webben.

Introduktion till andra filtyper

Create Your Free Account