自訂你的 pandas 匯入設定

pandas 套件非常擅長處理你作為資料科學家在匯入資料時常見的各種情況，例如扁平檔中的註解、空白行，以及遺漏值（NA 或 NaN）。作為本章的收尾，你將匯入受損版本的鐵達尼號資料集 titanic_corrupt.txt。此檔案在字元 '#' 之後含有註解，且是以定位字元分隔（tab-delimited）。

pd.read_csv() 的重要參數包含：

sep 用來設定預期的分隔符。
- 逗號分隔可用 ','。
- 定位字元分隔可用 '\t'。
comment 指定檔案中註解所跟隨的字元，表示從這些字元開始的文字都應被忽略。
na_values 接受一個字串清單，將其中項目視為 NA/NaN。預設情況下，部分值已被視為 NA/NaN。提供此參數可額外指定其他值。

本練習屬於課程

Python 資料匯入入門

檢視課程

練習說明

完成 pd.read_csv() 的參數設定，使用 pandas 正確匯入 titanic_corrupt.txt：
- sep 用來設定分隔符，其作用與 np.loadtxt() 的 delimiter 參數相同。注意你要匯入的檔案是以定位字元分隔。
- comment 指定檔案中註解所跟隨的字元，此處為 '#'。
- na_values 接受一個字串清單，將其視為 NA/NaN，此處為字串 'Nothing'。
執行其餘程式碼，列印結果 DataFrame 的前幾列，並繪製鐵達尼號乘客 'Age' 的直方圖。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Import matplotlib.pyplot as plt
import matplotlib.pyplot as plt

# Assign filename: file
file = 'titanic_corrupt.txt'

# Import file: data
data = pd.read_csv(file, sep='____', comment='____', na_values=[____])

# Print the head of the DataFrame
print(data.head())

# Plot 'Age' variable in a histogram
pd.DataFrame.hist(data[['Age']])
plt.xlabel('Age (years)')
plt.ylabel('count')
plt.show()

編輯並執行程式碼