动手实践：简单数据加载

让我们把理论付诸实践。你已经学过查找数据来源以及数据准备的重要性。现在，我们将逐步介绍实际加载数据集并初步查看它的基本步骤。可以把这看作是收到包裹后拆开包装盒——在开始使用前，你需要确认物品是否都在里面，并对内容有个大致的了解。

准备阶段：数据集

假设有一个以常见格式（如逗号分隔值（CSV）文件）存储的简单数据集。CSV文件是纯文本文件，数据按行组织，每行中的值用逗号分隔。假设文件名为simple_sales.csv，其中包含产品销售的基本信息。

simple_sales.csv文件中的原始数据可能如下所示：

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：

1. 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。
2. 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。
3. 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。