นำเข้า ตรวจสอบ และทำซ้ำ
วงจรการนำเข้าและสำรวจที่ใช้ในชีวิตประจำวัน
นำเข้า ตรวจสอบ และทำซ้ำ เป็นบทเรียน Data Science Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Data Science Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Data Science Academy มีบทเรียนทั้งหมด 4 บทเรียน
จังหวะการทำงานประจำวัน
การวิเคราะห์ส่วนใหญ่เป็นวงจรง่าย ๆ คือ นำเข้าเครื่องมือ ตรวจสอบสิ่งที่มี แล้วทำซ้ำ เมื่อเชี่ยวชาญจังหวะนี้แล้ว โน้ตบุ๊กจะไม่ดูน่ากลัวอีกต่อไป
นำเข้าไลบรารี
เซลล์แรกมักนำเครื่องมือที่ต้องใช้เข้ามาเสมอ คำสั่ง นำเข้าจะโหลดไลบรารี เพื่อให้ฟังก์ชันต่าง ๆ พร้อมใช้งานตลอดการทำงานที่เหลือ
import pandasตั้งชื่อย่อให้
การพิมพ์ pandas ซ้ำ ๆ อาจทำให้เหนื่อย ผู้คนจึงตั้ง ชื่อย่อ ให้เป็น pd คีย์เวิร์ด as ใช้เปลี่ยนชื่อสิ่งที่นำเข้าให้สั้นและพิมพ์ได้รวดเร็ว
import pandas as pdสองไลบรารียอดนิยม
โน้ตบุ๊กด้านข้อมูลแทบทุกเล่มเริ่มต้นด้วย การนำเข้าสองรายการ ได้แก่ pandas as pd สำหรับตาราง และ numpy as np สำหรับการคำนวณที่รวดเร็ว
import numpy as npโหลดข้อมูล
ตอนนี้ให้นำข้อมูลเข้ามาในโน้ตบุ๊ก การอ่าน CSV ลงในตารางจะได้ DataFrame ซึ่งเป็นออบเจ็กต์ที่คุณจะใช้ตรวจสอบและสำรวจ
df = pd.read_csv("sales.csv")ดูข้อมูลด้านบน
อย่าเชื่อถือข้อมูลที่คุณยังไม่เคยดู การเรียกใช้ head จะแสดงแถวแรก ๆ เพื่อให้คุณตรวจสอบเบื้องต้นว่าข้อมูลถูกโหลดมาอย่างถูกต้อง
df.head()ตรวจสอบขนาด
ตารางนี้มีขนาดเท่าใด แอตทริบิวต์ shape จะคืนค่าจำนวนแถวและคอลัมน์เป็นคู่ ทำให้เห็นขนาดของข้อมูลได้ทันที
df.shapeแสดงรายการคอลัมน์
ก่อนเริ่มการวิเคราะห์ ควรรู้ก่อนว่าคุณมีข้อมูลอะไรให้ใช้งาน แอตทริบิวต์ columns จะแสดงชื่อคอลัมน์ทุกคอลัมน์ในตาราง
df.columnsภาพรวมในบรรทัดเดียว
ต้องการดูชนิดข้อมูลและจำนวนค่าที่หายไปพร้อมกันหรือไม่ เมธอด info จะแสดงสรุปย่อของทุกคอลัมน์ในครั้งเดียว
df.info()ตรวจสอบแล้วค่อยปรับปรุง
สิ่งที่คุณเห็นจะชี้นำขั้นตอนถัดไป คุณอาจ ทำซ้ำวงจรเดิมด้วยการนำเข้าเครื่องมืออื่น โหลดข้อมูลใหม่ หรือตรวจสอบส่วนข้อมูลที่แตกต่างออกไป
ก้าวเล็ก ๆ ดีกว่าก้าวกระโดด
รันทีละเซลล์ อ่านผลลัพธ์ แล้วจึงเขียนเซลล์ถัดไป วงจรที่กระชับนี้ช่วยพบข้อผิดพลาดได้ตั้งแต่เนิ่น ๆ แทนที่จะพบหลังจากเขียนสคริปต์ขนาดใหญ่เสร็จแล้ว
ตรวจสอบอย่างรวดเร็ว
คุณเพิ่งโหลด CSV และต้องการดูแถวแรก ๆ อย่างรวดเร็ว
สรุป: นำเข้า ตรวจสอบ ทำซ้ำ
คุณได้เรียนรู้ วงจรที่ใช้ในชีวิตประจำวัน ได้แก่ นำเข้าเครื่องมือ โหลดข้อมูล ตรวจสอบด้วย head, shape และ info แล้วปรับปรุงต่อ นี่คือภาพรวมของงานข้อมูล 🔁
คำถามที่พบบ่อย
บทเรียน “นำเข้า ตรวจสอบ และทำซ้ำ” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “นำเข้า ตรวจสอบ และทำซ้ำ” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Data Science Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Data Science Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “นำเข้า ตรวจสอบ และทำซ้ำ”
วงจรการนำเข้าและสำรวจที่ใช้ในชีวิตประจำวัน คุณปฏิบัติ Data Science Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Data Science Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Data Science Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน
บทเรียน “นำเข้า ตรวจสอบ และทำซ้ำ” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Data Science Academy นี้ได้ไหม
ได้ บทเรียน Data Science Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- ติดตั้ง Python แบบไม่ยุ่งยาก
- เซลล์ เคอร์เนล และลำดับการเรียกใช้
- บันทึก Markdown ข้างโค้ด
- นำเข้า ตรวจสอบ และทำซ้ำ