前言：真正的資料分析，從「匯入資料」開始！

昨天我們學會了 Pandas 的靈魂角色 — Series 和 DataFrame，
你應該已經感受到 Pandas 在處理資料時的「高效率 + 優雅」。

但光會建立資料還不夠，真正的資料分析可不是自己打幾筆數字玩玩而已。
現實世界裡的資料，通常都藏在一個又一個 .csv 檔案中，
裡面充滿缺值、錯字、重複資料、亂七八糟的欄位名稱
（沒錯，就是那種會讓你崩潰的 Excel）。

今天，我們來實戰演練！
我們要分析的 CSV 檔案包含 11000 種藥品（檔案是從Kaggle下載的），
先來看看欄位介紹：

一、匯入真實資料：pd.read_csv()

讀取 CSV 檔案並轉換為 DataFrame，是資料分析的第一步。

import pandas as pd

df = pd.read_csv("medicine.csv")  # 匯入資料
print(df.head())  # 看前五筆資料

輸出：

df.head()

用途：查看前 n 筆資料（預設 5）。
回傳：DataFrame（前 n 列）
可搭配 df.tail() 查看檔尾，快速檢查欄位與資料長相。
進階讀取方式（處理亂碼、分隔符號或缺值）：

df = pd.read_csv("medicine.csv", encoding="utf-8", sep=",", na_values=["N/A", "NaN"])

常見參數：

• encoding（例：'utf-8' / 'utf-8-sig' / 'cp950'）
• sep（分隔符號，預設 ','）
• header（指定表頭列，預設 0）
• index_col（把哪個欄位當索引）
• na_values（哪些值視為缺值）

接下來！我們要來進入一連串的資料分析囉！！

二、超實用 Pandas 函式，一次掌握！

1.df.info()

data.info()

查看資料結構、每欄的型別與遺漏值數量。
(這在你剛讀完 CSV 想快速了解資料時非常實用。)

輸出：

2.df.describe()

用途：數值型欄位的統計摘要（count, mean, std, min, 25%, 50%, 75%, max）。

回傳：DataFrame（摘要）

df.describe()

輸出：

加上 include='all' 可以連文字欄位一起統計。

# Basic statistics
basic_stats = data.describe(include="all")

basic_stats

輸出：

3.df.isnull()

檢查缺失值（True 代表缺失）

# Check for missing values
missing_values = data.isnull().sum()

missing_values

輸出：

4.df.duplicated() — 檢查重複資料

duplicated() 用來檢查 DataFrame 中是否有重複的列。

它會回傳一個布林（True/False）序列，True 表示該行與前面某行內容完全相同。
下面的語法是計算重複資料的「總和數量」。

# Checking for duplicate entries
data.duplicated().sum()

輸出：

5.df.drop_duplicates()— 刪除重複資料

#drop duplicate刪除重複的資料
data = data.drop_duplicates()
data.duplicated().sum()

輸出：

6.df.iloc() — 用「位置」選資料

.iloc()函式用於根據索引選擇row和column

data.iloc[0]        # 選擇第一row

輸出：

data.iloc[:2]       # 前兩cols

輸出：

7.df.loc() — 用「標籤」選資料

基於標籤名稱（欄位名稱或索引名）的選取。

data.loc[:,"Side_effects"]

輸出：

也可以篩選不只一種標籤的資料喔！

data.loc[:, ['Medicine Name',"Side_effects"]]

輸出：

8.篩選資料語法

假設要篩選出Average Review > 80:

data[data['Average Review %']>80]

輸出：

假設要找出 Poor Review % > 85 的藥品：

# 找出 Poor Review % > 85 的藥品
#→ 建立一個布林條件，篩選出「差評比例大於 85%」的藥品。

poor_reviewed_index = data[data['Poor Review %'] > 85].index

# 根據 index 把符合條件的藥品資料抓出來
#→ 把這些藥品的索引值（row index）抓出來存到 poor_reviewed_index。
poor_reviewed_pills = data.loc[poor_reviewed_index]

# 顯示結果
poor_reviewed_pills

輸出：

9.df.sort_values()

對資料排序。(預設會是由小排到大，升序的概念)

data.sort_values(by='Excellent Review %')              

輸出：

若要降序，也可以這樣指定（ascending=False）：

data.sort_values(by='Average Review %', ascending=False)

輸出：

三、更多應用

1.假設要找出前 10 名「Excellent Review %」最高的藥品並顯示藥品名稱和評價比例：

語法：利用 .nlargest()去找出前幾高的值

# Top 10 medicines with highest percentage of excellent reviews
top_excellent_reviews = data.nlargest(10, 'Excellent Review %')[['Medicine Name', 'Excellent Review %']]

top_excellent_reviews

這邊做了簡報詳細的解釋語法的運用：

2.被最多人評為「普通」的前 20 種藥品：

語法：

# Top 20 medicines with highest percentage of average reviews
top_average_reviews = data.nlargest(20, 'Average Review %')[['Medicine Name', 'Average Review %']]

top_average_reviews

這邊要臨時插播一下一個語法（就是這麼突然）：
value_counts() 可以幫你快速統計某個欄位中，
每個值出現的次數，還會自動排序，超方便！！！

來看一些例子：

data['Uses'].value_counts()

輸出：

data['Manufacturer'].value_counts()

輸出：

結語

跟讀者說聲抱歉～今天這篇做的有一點趕！！
原先預計要介紹的內容可能會稍顯不完美～再請見諒！

今天我們主要完成了 CSV 匯入 → 基本資料檢視
→ 缺值/重複值檢查 → 排序與篩選 → 統計分析 的完整流程

明天是最後一天啦！！除了會分享一下完賽心得，
也會帶你進入 Pandas & Matplotlib 的可視化世界～
一行程式就能把數字變成圖表，讓資料「活起來」！！
這樣才叫做完美落幕！不然會有點遺憾～