目录

第二章（pandas）

Python数据处理从零开始----第二章（pandas）①删除列

Python数据处理从零开始----第二章（pandas）②处理缺失数据

Python数据处理从零开始----第二章（pandas）③数据标准化（1）

Python数据处理从零开始----第二章（pandas）④数据合并和处理重复值

Python数据处理从零开始----第二章（pandas）⑤pandas与R

Python数据处理从零开始----第二章（pandas）⑥相关性分析

Python数据处理从零开始----第二章（pandas）⑦pandas读写csv文件(1)

Python数据处理从零开始----第二章（pandas）⑧pandas读写csv文件(2)

===============================================

• 读取CSV和缺失值
  如果我们的CSV文件中缺少数据存在缺失数据，我们可以使用参数na_values。 在下面的示例中有一些单元格的字符串为“Not Available”。

  
  image.png

df = pd.read_csv('Simdata/MissingData.csv', index_col=0,
                   na_values="Not Available")
df.head()

image.png

• 跳过行读取CSV
  例如，我们如何跳过文件中的前三行，如下所示：

  
  image.png
  

  我们现在将学习如何使用Pandas read_csv并跳过x行数。 幸运的是，我们只使用skiprows参数非常简单。 在下面的示例中，我们使用read_csv和skiprows = 3来跳过前3行。

Pandas read_csv跳过示例：

df = pd.read_csv('Simdata/skiprow.csv', index_col=0, skiprows=3)
df.head()

image.png

我们可以使用header参数获得与上面相同的结果（即data = pd.read_csv（'Simdata / skiprow.csv'，header = 3））。

• 如何使用Pandas读取某些行
  如果我们不想读取CSV文件中的每一行，我们可以使用参数nrows。 在下面的下一个示例中，我们读取了CSV文件的前8行。

df = pd.read_csv(url_csv, nrows=8)
df