阅读数据是您处理数据的第一步，而数据是人工智能时代里机器学习的生产资料。

概述

        在这个系列中，您将学习关于pandas的所有内容，它是最受欢迎的用于数据分析的Python库。 在学习过程中，你将完成几个实际数据的实践练习。建议您在阅读相应的文章时进行练习。当然，作者政安晨也会把演绎的图片贴出来，您也可以当作是您已经做过了。

Pandas具体是什么我这里就不多说了，直接干货。

开始

开始Pandas，您需要一个能工作的环境，如果您还没有准备好，参考我的这篇文章：

政安晨：机器学习快速入门（一）{基于Python与Pandas}https://blog.csdn.net/snowdenkeke/article/details/136046028

要使用pandas，通常你会从下面这行代码开始。

import pandas as pd

咱们启动一个Jupyter，并导入pandas库：

建立数据

在pandas中有两个核心对象：DataFrame 和 Series。

DataFrame

一个DataFrame是一个表格。它包含了一系列的个别条目，每个条目都有一个特定的值。每个条目对应一行（或记录）和一列。

例如，考虑以下简单的DataFrame：

pd.DataFrame({'Yes': [50, 21], 'No': [131, 2]})

政安晨用Jupyter执行如下：

在这个例子中，

"0, No"的条目的值为131，"0, Yes"的条目的值为50，等等，DataFrame的条目不限于整数。

例如，这是一个值为字符串的DataFrame：

我们使用pd.DataFrame()构造函数生成这些DataFrame对象。声明一个新的DataFrame的语法是一个字典，其键是列名（在这个例子中是Bob和Sue），值是一个条目的列表。这是构建新的DataFrame的标准方式，也是您最有可能遇到的方式。

字典列表构造函数为列标签分配值，但对于行标签，它只使用从0开始的递增计数（0、1、2、3……）。有时这是可以接受的，但通常我们会希望自己指定这些标签。

在DataFrame中使用的行标签列表被称为索引。我们可以通过在构造函数中使用index参数来为其赋值。

pd.DataFrame({'Bob': ['I liked it.', 'It was awful.'], 
              'Sue': ['Pretty good.', 'Bland.']},
             index=['Product A', 'Product B'])

Series

与之相比，Series是一系列的数据值。如果DataFrame是一张表格，那么Series就是一个列表。实际上，你可以仅仅用一个列表来创建一个Series。

pd.Series([1, 2, 3, 4, 5])

序列本质上是DataFrame的单列。因此，可以使用索引参数将行标签分配给序列，方式与之前相同。然而，序列没有列名，只有一个总体名称：

pd.Series([30, 35, 40], index=['2015 Sales', '2016 Sales', '2017 Sales'], name='Product A')

Series和DataFrame是密切相关的。把DataFrame想象成一堆"粘在一起的"Series会有助于我们理解。

读取数据文件

能够手动创建DataFrame或Series是非常方便的。但是，大多数情况下，我们实际上不会手动创建自己的数据，而是与已经存在的数据一起进行操作。

数据可以以多种不同的形式和格式存储。其中最基本的是简单的CSV文件。当你打开一个CSV文件时，你会看到类似下面的内容：

Product A,Product B,Product C,
30,21,9,
35,34,1,
41,11,11

CSV文件是由逗号分隔的值组成的表格。因此得名为“逗号分隔值”或CSV。

现在，让我们暂时将玩具数据集放在一边，看看在将真实数据集读入到DataFrame时它是什么样子的。我们将使用pd.read_csv()函数将数据读入到DataFrame中。用法如下：

（这里，咱们还是使用文章头部的csv数据集，大家下载解压使用，并把解压后的文件拷贝到您的虚拟环境目录中使用）

wine_reviews = pd.read_csv("./melb_data.csv")

我们可以使用shape属性来检查生成的DataFrame有多大。

wine_reviews.shape

老晨执行如下：

所以我们的新DataFrame有13580个记录，分布在21个不同的列中。总共有27万多个条目！

我们可以使用head()命令来检查结果DataFrame的内容，该命令会抓取前五行：

wine_reviews.head()

pd.read_csv（）函数功能强大，有30多个可选参数可以指定。例如，您可以在此数据集中看到CSV文件具有内置索引，但pandas没有自动识别出来。为了让pandas使用该列作为索引（而不是从头开始创建一个新的索引），我们可以指定index_col参数。

# 我指定了从第5列开始
wine_reviews = pd.read_csv("./melb_data.csv", index_col=5)
wine_reviews.head()

大家可以看到，输出就忽略了0-4列。

告一段落

其实在这篇文章中，大家去好好了解一下张量的概念，这是一个非常有意思的表述，数字世界中的任何数据都可以表达成张量。