In [1]: import pandas as pd
- 鐵達尼號資料
本教學課程使用鐵達尼號資料集，儲存為 CSV。資料包含下列資料欄位
PassengerId：每位乘客的 ID。
Survived：表示乘客是否存活。
0表示是，1表示否。Pclass：三種票艙等級之一：艙等
1、艙等2和艙等3。Name：乘客姓名。
Sex：乘客性別。
Age：乘客年齡（歲）。
SibSp：船上有多少兄弟姊妹或配偶。
Parch：船上有多少父母或子女。
Ticket：乘客的票號。
Fare：表示票價。
Cabin：乘客的艙位號碼。
Embarked：登船港口。
如何讀寫表格資料？#
我想分析鐵達尼號乘客資料，其為 CSV 檔案。
In [2]: titanic = pd.read_csv("data/titanic.csv")
pandas 提供
read_csv()函數，將儲存在 csv 檔案中的資料讀取到 pandasDataFrame中。pandas 支援許多不同的檔案格式或資料來源（csv、excel、sql、json、parquet 等），每個格式的函數名稱都以read_*為字首。
讀取資料後，務必隨時檢查資料。顯示 DataFrame 時，預設會顯示前 5 列和最後 5 列
In [3]: titanic
Out[3]:
PassengerId Survived Pclass ... Fare Cabin Embarked
0 1 0 3 ... 7.2500 NaN S
1 2 1 1 ... 71.2833 C85 C
2 3 1 3 ... 7.9250 NaN S
3 4 1 1 ... 53.1000 C123 S
4 5 0 3 ... 8.0500 NaN S
.. ... ... ... ... ... ... ...
886 887 0 2 ... 13.0000 NaN S
887 888 1 1 ... 30.0000 B42 S
888 889 0 3 ... 23.4500 NaN S
889 890 1 1 ... 30.0000 C148 C
890 891 0 3 ... 7.7500 NaN Q
[891 rows x 12 columns]
我想看 pandas DataFrame 的前 8 列。
In [4]: titanic.head(8) Out[4]: PassengerId Survived Pclass ... Fare Cabin Embarked 0 1 0 3 ... 7.2500 NaN S 1 2 1 1 ... 71.2833 C85 C 2 3 1 3 ... 7.9250 NaN S 3 4 1 1 ... 53.1000 C123 S 4 5 0 3 ... 8.0500 NaN S 5 6 0 3 ... 8.4583 NaN Q 6 7 0 1 ... 51.8625 E46 S 7 8 0 3 ... 21.0750 NaN S [8 rows x 12 columns]
若要看
DataFrame的前 N 列，請使用head()方法，並將所需列數（此例為 8）作為參數。
注意
有興趣看最後 N 列嗎？pandas 也提供 tail() 方法。例如，titanic.tail(10) 會傳回 DataFrame 的最後 10 列。
若要檢查 pandas 如何詮釋每個欄位資料類型，可以要求 pandas dtypes 屬性
In [5]: titanic.dtypes
Out[5]:
PassengerId int64
Survived int64
Pclass int64
Name object
Sex object
Age float64
SibSp int64
Parch int64
Ticket object
Fare float64
Cabin object
Embarked object
dtype: object
每個欄位會列出使用的資料類型。此 DataFrame 中的資料類型為整數 (int64)、浮點數 (float64) 和字串 (object)。
注意
在詢問 dtypes 時，不要使用括號！ dtypes 是 DataFrame 和 Series 的屬性。 DataFrame 或 Series 的屬性不需要括號。屬性表示 DataFrame/Series 的特徵，而方法（需要括號）則對 DataFrame/Series 執行某些操作，如 第一個教學課程 中所介紹的。
我的同事要求將鐵達尼號資料作為試算表。
In [6]: titanic.to_excel("titanic.xlsx", sheet_name="passengers", index=False)
雖然
read_*函式用於將資料讀取到 pandas，但to_*方法用於儲存資料。to_excel()方法將資料儲存為 Excel 檔案。在此範例中，sheet_name命名為 passengers，而不是預設的 Sheet1。透過設定index=False，不會在試算表中儲存列索引標籤。
等效的讀取函數 read_excel() 會將資料重新載入至 DataFrame
In [7]: titanic = pd.read_excel("titanic.xlsx", sheet_name="passengers")
In [8]: titanic.head()
Out[8]:
PassengerId Survived Pclass ... Fare Cabin Embarked
0 1 0 3 ... 7.2500 NaN S
1 2 1 1 ... 71.2833 C85 C
2 3 1 3 ... 7.9250 NaN S
3 4 1 1 ... 53.1000 C123 S
4 5 0 3 ... 8.0500 NaN S
[5 rows x 12 columns]
我對
DataFrame的技術摘要有興趣In [9]: titanic.info() <class 'pandas.core.frame.DataFrame'> RangeIndex: 891 entries, 0 to 890 Data columns (total 12 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 PassengerId 891 non-null int64 1 Survived 891 non-null int64 2 Pclass 891 non-null int64 3 Name 891 non-null object 4 Sex 891 non-null object 5 Age 714 non-null float64 6 SibSp 891 non-null int64 7 Parch 891 non-null int64 8 Ticket 891 non-null object 9 Fare 891 non-null float64 10 Cabin 204 non-null object 11 Embarked 889 non-null object dtypes: float64(2), int64(5), object(5) memory usage: 83.7+ KB
方法
info()會提供DataFrame的技術資訊，因此我們來更詳細地說明輸出它確實是
DataFrame。有 891 個項目，即 891 列。
每列都有列標籤（又稱
index），其值範圍從 0 到 890。表格有 12 個欄。大部分欄位都有每列的值（所有 891 個值都是
non-null）。有些欄位確實有遺失值，且小於 891 個non-null值。欄位
Name、Sex、Cabin和Embarked包含文字資料（字串，又稱object）。其他欄位是數值資料，其中有些是整數（又稱integer），而其他則是實數（又稱float）。不同欄位中的資料類型（字元、整數…）會透過列出
dtypes來加以摘要。也會提供用於儲存 DataFrame 的 RAM 近似用量。
請記住
支援透過
read_*函式將資料從許多不同的檔案格式或資料來源匯入至 pandas。可透過不同的
to_*方法將資料匯出至 pandas。方法
head/tail/info和屬性dtypes方便進行初次檢查。
如需有關從 pandas 輸入和輸出的完整概觀，請參閱使用者指南部分，了解 讀取器和寫入器函式。