แพ็กเกจ pandas ช่วยจัดการปัญหาต่าง ๆ ที่มักพบเมื่อนำเข้าข้อมูลในฐานะนักวิทยาศาสตร์ข้อมูล ไม่ว่าจะเป็นคอมเมนต์ในไฟล์ flat file บรรทัดว่าง หรือค่าที่หายไป (NA หรือ NaN) เพื่อปิดท้ายบทนี้ จะได้นำเข้าชุดข้อมูล Titanic ที่มีความผิดพลาดอยู่บ้างในชื่อ titanic_corrupt.txt ซึ่งมีคอมเมนต์หลังอักขระ '#' และคั่นด้วย tab

อาร์กิวเมนต์สำคัญของ pd.read_csv() ได้แก่:

sep กำหนด delimiter ที่ใช้คั่นข้อมูล
- ใช้ ',' สำหรับการคั่นด้วยเครื่องหมายจุลภาค
- ใช้ '\t' สำหรับการคั่นด้วย tab
comment รับอักขระที่บ่งบอกว่าข้อความหลังจากนั้นคือคอมเมนต์ ซึ่งจะถูกละเว้นทั้งหมด
na_values รับลิสต์ของสตริงที่ต้องการให้ระบุเป็น NA/NaN โดยค่าเริ่มต้นบางค่าถูกรู้จักอยู่แล้ว การระบุอาร์กิวเมนต์นี้จะเพิ่มค่าที่ต้องการให้ครอบคลุมมากขึ้น

ความสำคัญของ flat files ในงาน data science

Create Your Free Account