Gói pandas xử lý rất tốt nhiều vấn đề bạn sẽ gặp khi nhập dữ liệu với vai trò nhà khoa học dữ liệu, như các dòng chú thích trong flat file, dòng trống và giá trị thiếu (NA hoặc NaN). Để kết thúc chương này, bạn sẽ nhập một bản sao bị lỗi của bộ dữ liệu Titanic titanic_corrupt.txt, trong đó có các chú thích sau ký tự '#' và được phân tách bằng tab (tab-delimited).

Các đối số chính cho pd.read_csv() gồm có:

sep đặt ký tự phân tách mong đợi.
- Bạn có thể dùng ',' cho định dạng phân tách bằng dấu phẩy.
- Bạn có thể dùng '\t' cho định dạng phân tách bằng tab.
comment nhận các ký tự mà sau đó là phần chú thích trong tệp, nghĩa là bất kỳ văn bản bắt đầu bằng các ký tự này sẽ bị bỏ qua.
na_values nhận một danh sách các chuỗi sẽ được nhận diện là NA/NaN. Mặc định đã có một số giá trị được nhận diện là NA/NaN. Cung cấp đối số này sẽ bổ sung thêm các giá trị cần coi là thiếu.

Một vài suy nghĩ cuối về việc nhập dữ liệu

Create Your Free Account