跟小白学Python数据分析——数据导入1

Mr.林：今天我们来学习数据导入，需要使用到Pandas模块。
小白：模块？这个是什么东东？
Mr.林：模块相当于是一个文件夹，它能够用于存放同个主题相关的Python代码段，包括定义函数、类和变量。
例如将数据处理相关的函数都存放在一个模块里，将数据分析相关的函数都存放在一个模块里，将数据可视化相关的函数都存放在一个模块里。这样就可以在其他有需要的地方进行调用，在编写程序的时候，经常需要引用其它模块。
你可以将Excel菜单中的每个选项卡看成是一个模块，例如数据选项卡下就包含了数据获取和转换、连接、排序和筛选、数据工具等功能。只是它以图形界面的方式供我们选择使用。

而Python中的模块一般看不见摸不着，需要在使用的时候进行导入使用，所以对初学者来说不算太友好，这也是大家认为Python难学的原因之一。
另外Python中模块的概念，在 Java 中称之为包（package），而在 C\\C++中则称之为库（library），Java和C\\C++都是程序员常用的编程语言，所以有些程序员就会把Python 中的模块混淆称之为包和库，你只要明白它们说的是一回事即可。
小白：原来是这么回事，那Pandas模块又是什么？
Mr.林：Pandas模块是Python的一个数据分析模块，它最初被用作金融数据分析工具而开发出来，所以Pandas为时间序列分析提供了很好的支持。
为了提供高效操作大型数据集的工具，Pandas提出了一套类似Excel的标准数据应用框架，包含了类似Excel表格的数据框DataFrame，以及快速便捷地处理数据的函数和方法，让数据分析整个过程变得快速、简单。可以毫不夸张地说，Pandas是Python中进行数据分析的最好工具。
小白：Pandas模块怎么使用呢？它在哪呢？
Mr.林：在安装Anaconda的时候，都已经一起安装好了，我们只需把它导入就可以使用了，主要有两种使用方法：
第一种是使用import语句进行导入。
import 模块名
这是模块导入最常使用的方法，模块导入后，就可以通过使用模块名.变量名调用模块中的变量，使用模块名.函数名调用模块中的函数。
第二种是使用 from import 语句进行导入。
from 模块名 import 函数名
这种情况就是明确知道要导入哪个模块哪个函数或变量的时候使用。使用这种导入的方式，在使用函数或变量的时候，就不用在前面加上对应的模块名了。
小白：那我们是不是可以导入Pandas模块了？
Mr.林：可以，不过不用那么急，我们先来看我们要导入的数据data.csv，先使用Notepad++打开查看数据是什么样子的：

这份数据是一份用户数据，记录了用户的id,注册日期reg_date,用户的身份证号id_num,性别gender,生日birthday,年龄age六个字段数据，每个字段使用英文逗号分隔。
还有一个很重要的信息，就是这份数据采用UTF-8的编码格式记录数据。
UTF-8是互联网上使用最广的一种unicode的实现方式，为传输而设计的编码，最大的特点是统一无国界，可以显示全世界上所有文化的字符。
现在我们可以来导入数据了，打开spyder，输入以下代码

1import pandas2data = pandas.read_csv(3\'D:/D/data.csv\',4 engine=\'python\',5 encoding=\'utf8\'6)

小白：前三行我大概看懂了，那么第四、五行都是什么意思呀？
Mr.林：我给代码加上对应的注释，使用#来添加注释，这样解析器就不会执行注释所在的行的内容。你再看看。

1# 导入pandas模块2import pandas3# 使用pandas模块中的read_csv导入data.csv文件4data = pandas.read_csv(5# 第一个参数为数据文件所在的路径，因为是字符串需要用单引号引起6\'D:/D/data.csv\',7# 第二个参数是为了解决路径中包含中文字符无法导入的问题8 engine=\'python\',9# 第三个参数是设置数据文件对应的编码格式10 encoding=\'utf8\'11)

小白：懂了，懂了，原来是这么回事。
Mr.林：在变量浏览窗口中就可以看到刚导入的data变量了，双击打开data变量，就可以得到下面这张表。

Mr.林：今天就到这，下次我们继续学习数据导入的其他操作，小白你回去要多多练习，多敲代码。