Product,Category,Price,QuantitySold
Apple,Fruit,0.50,150
Banana,Fruit,0.30,250
Carrot,Vegetable,0.20,180
Broccoli,Vegetable,1.50,90
Orange,Fruit,0.60,120

这是一种典型的结构：

第一行包含标题或列名（Product、Category、Price、QuantitySold）。
每一后续行代表一条记录或行，对应一种产品。
每行中的值由逗号分隔。

步骤1：数据加载

第一步是将这些数据“加载”或“导入”到您可能用于分析的任何环境中。这可能是一个电子表格程序（如Microsoft Excel或Google Sheets），或一个数据分析工具或库（如Python中的pandas，尽管我们在这里不使用具体的代码）。

这个过程包括：

将工具指向文件： 您通常会使用“打开”或“导入”命令并选择simple_sales.csv文件。
指定格式（如果需要）： 通常，工具可以猜测它是CSV文件。有时您可能需要确认一些细节，比如分隔符（这里是逗号，即分隔值的字符）以及第一行是否包含标题。
执行： 工具读取文件并在内部表示数据，通常是以表格形式。

完成此步骤后，数据不再仅仅是文件中的文本；它已在您的分析环境中结构化，可以进行查看了。

步骤2：初步查看 - 第一次查看

数据加载后，紧接着的下一步是进行一些基本检查。这有助于确认数据是否正确加载，并让您初步了解其内容。

查看前几行（头部）

大多数工具都提供查看数据集开头或“头部”的方式。这通常显示前5或10行。

查看我们的simple_sales数据的头部会显示如下内容：

产品	类别	价格	销售数量
Apple	Fruit	0.50	150
Banana	Fruit	0.30	250
Carrot	Vegetable	0.20	180
Broccoli	Vegetable	1.50	90
Orange	Fruit	0.60	120

为什么这样做？

验证加载： 确认文件是否正确读取，并且看起来像一个表格。
检查标题： 确保列名正确导入。
样本内容： 立即了解每列中数据的类型。

检查维度

了解数据集的大小很有用：它有多少行和多少列。对于我们的小例子：

行数： 5（不包括标题行）- 代表5种不同的产品。
列数： 4 - 代表每种产品测量的不同属性。

为什么这样做？

规模： 了解您正在处理的数据量。它是小（像我们的例子）还是非常大？
完整性： 确认加载的数据是否符合预期（例如，如果您预期有1000行，但只看到50行，那么可能出了问题）。

检查列名和数据类型

仔细查看列标题及其中的数据。

Product：包含文本字符串（产品名称）。这看起来是定性数据。
Category：包含文本字符串（产品类型）。也是定性数据。
Price：包含带小数的数字（货币值）。这是定量（具体来说，是连续）数据。
QuantitySold：包含整数（计数）。这是定量（具体来说，是离散）数据。

为什么这样做？

理解特征： 明确每列代表什么。
数据类型检查： 确认工具是否正确解释了数据类型（例如，数字是否作为数字存储，还是错误地作为文本存储？）。不正确的数据类型会在后续分析中引起问题。有时，如果存在意外字符（如“$”符号），一列数字可能会被作为文本导入。

我们学到了什么

通过执行这些简单的数据加载和查看步骤，我们已经：

成功地将数据从文件导入到可用格式。
验证了结构（行、列、标题）。
对数据的内容和规模有了基本了解。
识别了每列中数据的类型。

这个实践步骤是数据准备的入口。加载并初步查看数据后，您现在能更好地进入本章讨论的下一阶段，例如处理缺失值（尽管我们的简单示例没有）或识别异常值，这些都是在进行任何有意义的分析之前有必要的。

这部分内容有帮助吗？