Day 06: Google Colab 如何讀取 CSV 檔案

16th鐵人賽

grownbit4U

2024-09-20 18:32:30

248 瀏覽

分享至

Day 06: Google Colab 如何讀取 CSV 檔案

在昨天的教學中，我們將 Iris 資料集儲存為 CSV 檔案。今天我們將學習如何在 Google Colab 中讀取這個 CSV 檔案，並進一步操作資料。

有任何問題，都歡迎私訊我的IG
點我私訊

1. 在昨天同一個資料夾中建立新的 Colab 筆記本

首先，我們需要在昨天創建的 Iris 資料夾中，再新增一個 Google Colab 筆記本，並命名為 iris_input。

2. 匯入 Pandas 套件

在新的筆記本中，我們首先需要匯入 Pandas 套件，這是一個強大的資料處理工具。

import pandas as pd

3. 使用 Pandas 讀取 CSV 檔案

接下來，我們使用 Pandas 套件來讀取這個 CSV 檔案，並將其載入為 DataFrame。

# 讀取 CSV 檔案
iris_df = pd.read_csv('/content/drive/MyDrive/iris/iris_dataset.csv')

# 查看前幾筆資料
print(iris_df.head())

這段程式碼會將 iris_dataset.csv 讀取並載入為一個 DataFrame，並顯示前幾筆資料。

4. 檢視資料的基本資訊

我們可以使用 Pandas 的其他方法來進一步檢視資料的結構和基本資訊，例如查看資料框的形狀、列出欄位名稱，或是顯示每個欄位的數據類型：

# 查看資料的形狀 (行數與列數)
print(iris_df.shape)

# 列出欄位名稱
print(iris_df.columns)

# 顯示每個欄位的數據類型
print(iris_df.dtypes)

這些方法能幫助我們快速了解資料的結構與內容。

5. 簡單資料檢視與統計摘要

除了顯示前幾筆資料外，我們還可以使用 describe() 來查看資料的統計摘要，幫助我們更深入地理解資料分佈：

# 查看統計摘要
print(iris_df.describe())

這個方法會列出資料的平均值、標準差、最小值、最大值等基本統計資訊。

程式碼解析

以下是對程式碼 iris_df = pd.read_csv('/content/drive/MyDrive/iris/iris_dataset.csv') 的詳細解釋：

1. `pd.read_csv()`

pd.read_csv() 是 Pandas 套件中用來讀取 CSV（Comma-Separated Values，逗號分隔值）檔案的函數。它可以將一個 CSV 檔案轉換為一個 Pandas 的 DataFrame（資料框），這是一種類似於 Excel 表格的資料結構，非常適合用來處理結構化的表格資料。

pd 是 Pandas 的常用別名，代表 Pandas 模組。這個別名通常是在我們匯入 Pandas 時用 import pandas as pd 所設置的。
read_csv() 是 Pandas 中用來讀取 CSV 檔案的函數。

2. `'/content/drive/MyDrive/iris/iris_dataset.csv'`

這是一個字串，代表檔案的路徑，它指向我們要讀取的 CSV 檔案。這個路徑告訴 read_csv() 函數我們的檔案位於 Google Drive 的 Iris 資料夾中。

/content/drive/ 是 Google Colab 中 Google Drive 掛載的根目錄。
/MyDrive/iris/ 是 Google Drive 的資料夾路徑，表示這個檔案位於 Google Drive 的主目錄 (MyDrive) 下的 iris 資料夾中。
iris_dataset.csv 是我們要讀取的 CSV 檔案的名稱。

3. `iris_df`

這是我們自定義的一個變數名稱，用來儲存從 CSV 檔案中讀取的資料。讀取完成後，iris_df 變數將會是一個 Pandas 的 DataFrame，包含了 iris_dataset.csv 中的所有資料。

iris_df 中的 df 通常代表 DataFrame，這是一個處理表格資料的標準資料結構，它類似於 Excel 中的工作表。DataFrame 能夠輕鬆地進行資料篩選、排序、聚合等操作。

4. 整體作用

這段程式碼的作用是：

使用 pd.read_csv() 函數讀取位於 Google Drive 上的 iris_dataset.csv 檔案。
將讀取到的資料儲存在 iris_df 這個變數中，並轉換成一個 Pandas 的 DataFrame。
接下來，我們可以使用 iris_df 這個 DataFrame 進行各種資料分析和操作。

5. 需要注意的事項

檔案路徑要正確：確保路徑中所有的資料夾名稱和檔案名稱正確無誤，否則會導致檔案找不到的錯誤（FileNotFoundError）。
掛載 Google Drive：在使用這個路徑前，我們需要先將 Google Drive 掛載到 Colab 中，這樣 Colab 才能讀取 Google Drive 中的檔案。
CSV 格式正確：確保 iris_dataset.csv 是正確的 CSV 檔案格式，否則 pd.read_csv() 函數可能無法正常讀取資料。