Pandas 的優勢在於可以處理大型數據，方便使用者觀察和分析，但處理數據前需要先載入資料，因此，本文將說明如何透過檔案路徑讀取外部資料，內容包含：

1. 介紹檔案路徑
2. 確認檔案位置
3. 使用pandas讀取檔案

■ 介紹｜檔案路徑

1. 相對路徑：以目前 python 程式碼檔案所在位置為基準，標示欲讀取檔案的所在位置
   (1) 特點：保持程式和檔案的相對關係時，無論怎麼移動都可以找到，建議使用！
   (2) 舉例：假設目前python程式碼檔案的位置在「D:\桌面\【文章】2023鐵人賽」
   • 當前路徑（./），相當於「D:\桌面\【文章】2023鐵人賽」
   • 當前路徑的上一級（../），相當於「D:\桌面」
   • 當前路徑的下一級（./data），相當於「D:\桌面\【文章】2023鐵人賽\data」
2. 絕對路徑：從磁碟機根目錄為基準，標示欲讀取檔案的所在位置
   (1) 特點：保持同一個磁碟機路徑，程式執行檔在哪裡都可以
   (2) 舉例：「D:\桌面\【文章】2023鐵人賽」

■ 實作｜確認檔案位置

　　我自己習慣將同份專案的資料和程式碼放在同一個資料夾中，以利後續檔案管理或程式操作！以下圖為例，該資料夾中包含：

1. 一個CSV檔：01.Course_info.csv
2. 四支程式碼：dataframe.py、firstcode.py、path.py、series.py
3. 三個子資料夾：data、文章、圖片
   其中資料夾 data 中有一個CSV檔（02.Comments.csv）

■ 方法｜使用pandas讀取檔案

1. 操作語法
   (1) 讀取CSV：pandas.read_csv( )
   (2) 讀取EXCEL：pandas.read_excel( )
   (3) 讀取JSON：pandas.read_json( )
2. 執行檔案與欲讀取檔案位於「相同」當前路徑
   舉例：讀取上方案例資料夾中，與執行檔同一層級的「01.Course_info.csv」

import pandas as pd
df = pd.read_csv('01.Course_info.csv')

3. 執行檔案與欲讀取檔案位於「不同」路徑
   舉例：讀取上方案例資料夾中，在執行檔下一級路徑（data資料夾）裡的「02.Comments.csv」

import pandas as pd
df = pd.read_csv('./data/02.Comments.csv')

■ 結語

　　檔案路徑的敘述有盡可能簡單明瞭，但不確定文字說明是否對於讀者來說會有點小吃力，希望大家都能跟上！如果有任何不理解、錯誤或建議的話，歡迎大家留言給我！喜歡的話，也歡迎按讚訂閱！
　　明天，我會以 Kaggle 案例實作一次讀取外部資料，並帶大家一起操作觀察數據的幾個方法！我是 Eva，一位正在努力跨進資料科學領域的女子！我們下一篇文章見！Bye Bye~【本篇文章將同步更新於個人的 Medium，期待與您的相遇！】