Learning Objectives
- 說出資料表（DataFrame）的列、欄、索引與欄名，以及「每一欄是一個 Series」
- 用 read_csv 讀入 CSV，用 shape、head、tail、info、describe 做初步檢查
- 讀懂每一欄的 dtype，說明為什麼有缺值的整數欄會變成 float64
- 用 parse_dates 把日期欄讀成日期型別
資料表：很多欄並排
大部分要分析的資料都長得像試算表：一列是一個觀察單位（第 1 課），一欄是一個變數。 pandas 用資料表（DataFrame）表示這種資料：
- 列（row）有索引（index），預設是 0、1、2……
- 欄（column）有欄名，例如
student_id、dept - 每一欄是一個 Series（第 3 課），所有欄共用同一個索引；每一欄有自己的
dtype，所以同一張表可以同時有文字欄與數字欄
拿到一份新資料，先花幾分鐘看清楚它的樣子，比直接開始算重要。這一課介紹讀入 CSV 之後的「第一眼檢查」。
逐步看：從字典建立一張小表
右邊記憶體區畫出資料表的每一格。注意第 14 行取出一欄後，col 變成一個 Series。
讀入 CSV 後的第一眼檢查
pd.read_csv("檔名") 讀入 CSV，第一列當欄名。讀進來之後，依序回答幾個問題：
| 問題 | 方法 | 看什麼 |
|---|---|---|
| 有多大？ | df.shape |
列數、欄數，和預期的一樣嗎？ |
| 長什麼樣子？ | df.head()、df.tail() |
前 5 列、後 5 列（可以給數字，如 head(3)）；欄位的意思、寫法 |
| 每一欄是什麼型別？有缺值嗎？ | df.info() |
每一欄的非缺值筆數（non-null count）與 dtype |
| 數值欄的範圍合理嗎？ | df.describe() |
筆數、平均、標準差、最小、四分位數、最大；有沒有不可能的值 |
info() 會直接印出結果（不用再 print），最後一行的記憶體用量在不同電腦上可能不一樣，不必在意。
describe() 預設只描述數值欄，count 比列數少就表示那一欄有缺值。
逐步看：成績資料的第一眼檢查
grades.csv 是程式產生的模擬資料（600 筆修課成績），不是任何學校的真實資料。注意 info 裡期中考（midterm）的筆數。
dtype：每一欄是什麼型別
常見的 dtype：
| dtype | 存什麼 | 例子 |
|---|---|---|
int64 |
整數 | 年級、缺席次數 |
float64 |
小數，也包括有缺值的整數欄 | 讀書時數、有人缺考的期中成績 |
object |
文字（以及混雜的內容） | 學號、系所、還沒轉換的日期 |
bool |
True／False | 篩選條件的結果 |
datetime64[ns] |
日期與時間 | 用 parse_dates 讀入的日期 |
兩個要特別注意的情況：
- 缺值讓整數欄變成 float64。缺值 NaN 是小數，整欄只能存成小數；這不是資料錯了。
- 型別不對，後面的計算就不對。日期讀成文字（
object）時，不能算相差幾天、不能依月份分組； 分數欄混進「85分」「缺考」這種文字，整欄會變成object，連平均都算不出來（第 8 課處理）。 所以info()或dtypes是每次讀資料都要看的。
日期欄可以在讀入時指定：pd.read_csv("weather.csv", parse_dates=["date"])。
逐步看：日期欄讀成文字，再讀成日期
weather.csv 是模擬的每日天氣（9 月到 12 月）。比較兩次讀入時 date 欄的 dtype。
實作：學生資料的第一眼
讀入 students.csv，依序印出：
- 資料表的
shape - 所有欄名，轉成串列（
tolist()） - 通勤時間
commute_min的平均，四捨五入到小數 1 位
你的輸出
預期輸出
小測驗：資料表與 dtype
1.
grades.shape 是 (600, 5)，代表什麼？
2.
grades.csv 的期中成績都是整數分數，為什麼 midterm 的 dtype 是 float64？
3.
下面程式會印出什麼？
import pandas as pd
df = pd.DataFrame({"a": [1, 2, 3], "b": ["x", "y", "z"], "c": [0.5, 1.5, 2.5]})
print(df.shape, list(df.dtypes.astype(str)))
4.
grades.info() 顯示 midterm 是「587 non-null」，資料表共 600 列。這代表什麼？
5.
weather.csv 的 date 欄讀進來是 object。想比較日期先後、依月份分組，最直接的做法是？
第 1 次作答
重點整理
- 資料表（DataFrame）有列索引與欄名；每一欄是一個 Series，有自己的 dtype。
- 讀入 CSV：
pd.read_csv("檔名")；第一眼檢查：shape、head()／tail()、info()、describe()。 info()的非缺值筆數比列數少，就是有缺值；describe()看數值範圍合不合理。- 常見 dtype：
int64、float64、object（文字）、bool、datetime64。有缺值的整數欄會變成float64；日期要用parse_dates才是日期型別。 - 下一課學怎麼從資料表選取需要的欄與列：
loc、iloc、布林篩選與query。