Importera platta filer som DataFrames med pandas (2)

I den förra övningen importerade du platta filer till en pandas DataFrame. Som en bonus är det sedan enkelt att hämta motsvarande numpy-array med metoden .to_numpy(). Nu får du prova detta med MNIST-datamängden, som finns tillgänglig som digits.csv.

Det finns ett antal argument i pd.read_csv() som är användbara för den här övningen:

nrows låter dig ange hur många rader som ska läsas från filen. Till exempel importerar nrows=10 bara de första 10 raderna.
header anger vilka radnummer som ska användas som kolumnetiketter och markerar var data börjar. Om filen inte innehåller en rubrikrad kan du sätta header=None, och pandas tilldelar då automatiskt heltalskolumnetiketter med start från 0 (t.ex. 0, 1, 2, …).

Den här övningen är en del av kursen

Introduktion till dataimport i Python

Visa kurs

Övningsinstruktioner

Importera de första 5 raderna av filen till en DataFrame med funktionen pd.read_csv() och tilldela resultatet till data. Du behöver använda argumenten nrows och header. Observera att filen saknar rubrikrad.
Skapa en numpy-array från den resulterande DataFrame i data och tilldela den till data_array.
Kör print(type(data_array)) för att skriva ut datatypen för data_array.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Assign the filename: file
file = 'digits.csv'

# Read the first 5 rows of the file into a DataFrame: data
data = ____(____, ____, ____)

# Build a numpy array from the DataFrame: data_array
data_array = ____

# Print the datatype of data_array to the shell
print(type(data_array))

Redigera och kör kod