大家好！歡迎來到數據新手村的第十七天。昨天學會了如何創建與操作 Pandas DataFrame，但真實世界的數據，很少是手動在程式碼裡建立的，它們通常存放在外部檔案中。

今天，我們將學習數據分析流程的第一步：讀取資料。將使用 Pandas 強大的 read_csv() 函式，正式將我們的 Olist 數據集載入到 DataFrame 中，準備開始真正的分析！

1. pd.read_csv() - 開啟數據世界的大門

pd.read_csv() 是 Pandas 中最常用、也最重要的函式之一。它可以讀取 CSV (Comma-Separated Values, 逗號分隔值) 檔案，並將其轉換成一個漂亮的 DataFrame。

首先，請確保 Olist CSV 檔案都存放在之前規劃的 data/olist_datasets/ 資料夾中。

import pandas as pd

# 讀取訂單主表
# 檔案路徑是相對於您 Jupyter Notebook 檔案的位置
# 如果 Notebook 在 notebooks/Numpy_Basics/ 裡面，我們需要用 ../../ 回到專案根目錄
orders_df = pd.read_csv('../../data/olist_datasets/olist_orders_dataset.csv')

結果輸出：
[如果成功，它不會有任何輸出]

2. 讀取後的「健康檢查四部曲」
   成功讀取檔案後，千萬不要急著開始分析！專業的數據分析師一定會先對剛載入的資料，進行一次快速的「健康檢查」。這四個指令是您的必備起手式：

第一式：.head() - 窺探前五筆
.head() 可以快速查看資料的前 5 筆，對資料的欄位和內容有個大概的印象。

# 顯示前 5 筆訂單資料
print(orders_df.head())

結果輸出：
customer_id customer_unique_id
0 06b8999e2fba1a1fbc88172c00ba8bc7 861eff4711a542e4b93843c6dd7febb0
1 18955e83d337fd6b2def6b18a428ac77 290c77bc529b7ac935b93aa66c333dc3
2 4e7b3e00288586ebd08712fdd0374a03 060e732b5b29e8181a18229c7b0b2b5e
3 b2b6027bc5c5109e529d4dc6358b12c3 259dac757896d24d7702b9acbbff3f3c
4 4f2d8ab171c80ec8364f7c12e35b23ad 345ecd01c38d18a9036ed96c73b8d066

customer_zip_code_prefix customer_city customer_state
0 14409 franca SP
1 9790 sao bernardo do campo SP
2 1151 sao paulo SP
3 8775 mogi das cruzes SP
4 13056 campinas SP

第二式：.tail() - 檢查末五筆
.tail() 則是用來查看最後 5 筆，這有助於檢查資料結尾是否有異常或匯總的髒數據。

# 顯示末 5 筆訂單資料
orders_df.tail()

結果輸出：
customer_id customer_unique_id
99436 17ddf5dd5d51696bb3d7c6291687be6f 1a29b476fee25c95fbafc67c5ac95cf8
99437 e7b71a9017aa05c9a7fd292d714858e8 d52a67c98be1cf6a5c84435bd38d095d
99438 5e28dfe12db7fb50a4b2f691faecea5e e9f50caf99f032f0bf3c55141f019d99
99439 56b18e2166679b8a959d72dd06da27f9 73c2643a0a458b49f58cea58833b192e
99440 274fa6071e5e17fe303b9748641082c8 84732c5050c01db9b23e19ba39899398

   customer_zip_code_prefix    customer_city customer_state  

99436 3937 sao paulo SP
99437 6764 taboao da serra SP
99438 60115 fortaleza CE
99439 92120 canoas RS
99440 6703 cotia SP

第三式：.info() - DataFrame 的身分證 (最重要！)
.info() 是最重要的指令。它會提供 DataFrame 的一個精簡總覽，包含：

• 總共有幾筆資料 (Entries)。
• 每個欄位的名稱 (Column)。
• 每個欄位有多少非缺失值 (non-null)。
• 每個欄位的資料類型 (Dtype)。
• 記憶體使用量。

這是我們快速**找出「缺失值」和「錯誤資料類型」**的神器！

orders_df.info()

結果輸出：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 99441 entries, 0 to 99440
Data columns (total 5 columns):
 #   Column                   Non-Null Count  Dtype 
---  ------                   --------------  ----- 
 0   customer_id              99441 non-null  object
 1   customer_unique_id       99441 non-null  object
 2   customer_zip_code_prefix 99441 non-null  int64 
 3   customer_city            99441 non-null  object
 4   customer_state           99441 non-null  object
dtypes: int64(1), object(4)
memory usage: 3.8+ MB
None

第四式：.describe() - 數值欄位的統計總覽
.describe() 會自動幫我們計算所有數值型欄位的描述性統計量，例如總數、平均值、標準差、最小值、最大值和四分位數。

orders_df.describe()

結果輸出：
customer_zip_code_prefix
count 99441.000000
mean 35137.474583
std 29797.938996
min 1003.000000
25% 11347.000000
50% 24416.000000
75% 58900.000000
max 99990.000000

結語
恭喜！今天我們成功地從外部檔案讀取了真實世界的數據，並將其載入到 Pandas DataFrame 中。我們還學會了專業的「健康檢查四部曲」，對資料的結構和品質有了初步的了解。

既然數據已經在我們手中，我們就可以開始對它進行提問和篩選了。明天，Day 18，我們將學習如何使用強大的「布林索引」，從數萬筆訂單中，過濾出我們感興趣的特定資料！