数据加载

假设您要启动ML项目，那么您需要做的第一件事也是最重要的事情是什么？这是我们启动任何ML项目都需要加载的数据。关于数据，ML项目最常用的数据格式是CSV（逗号分隔值）。

基本上，CSV是一种简单的文件格式，用于以纯文本格式存储表格数据（数字和文本），例如电子表格。在Python中，我们可以通过不同的方式将CSV数据加载到其中，但是在加载CSV数据之前，我们必须要注意一些注意事项。

CSV数据格式是ML数据中最常见的格式，但是在将其加载到ML项目中时，我们需要注意以下主要注意事项。

在CSV数据文件中，标题包含每个字段的信息。头文件和数据文件必须使用相同的定界符，因为头文件指定了应如何解释数据字段。

以下是与CSV文件标题有关的两种情况，必须考虑-

在两种情况下，我们都必须明确指定天气条件，以便我们的CSV文件是否包含标题。

任何数据文件中的注释都有其重要性。在CSV数据文件中，注释在行的开头用井号（＃）表示。在将CSV数据加载到ML项目中时，我们需要考虑注释，因为如果文件中包含注释，则可能需要根据选择的加载方法（是否期望这些注释）进行指示。

在CSV数据文件中，逗号（，）字符是标准分隔符。分隔符的作用是分隔字段中的值。将CSV文件上传到ML项目中时，考虑分隔符的作用很重要，因为我们还可以使用其他分隔符，例如制表符或空格。但是，如果使用的分隔符与标准分隔符不同，则必须必须明确指定它。

在CSV数据文件中，双引号（""）是默认的引号。将CSV文件上传到ML项目时，请考虑引号的作用，因为我们也可以使用双引号以外的其他引号但是，如果使用与标准引号不同的引号字符，则必须必须明确指定它。

在处理ML项目时，最关键的任务是将数据正确加载到其中。机器学习项目最常见的数据格式是CSV，它具有多种形式，并且解析起来也有不同的难度。在本节中，我们将讨论有关Python中加载CSV数据文件的三种常见方法-

第一个也是最常用的加载CSV数据文件的方法是使用Python标准库，该库为我们提供了各种内置模块，即 csv模块和 reader()函数。以下是借助它加载CSV数据文件的示例-

在此示例中，我们使用的鸢尾花 花数据集可以下载到我们的本地目录中。加载数据文件后，我们可以将其转换为数组，并将其用于ML项目。以下是用于加载CSV数据文件的Python脚本-

首先，我们需要如下导入Python标准库提供的csv模块-

接下来，我们需要导入Numpy模块，以将加载的数据转换为NumPy数组。

现在，提供文件的完整路径，该文件存储在我们的本地目录中，具有CSV数据文件-

接下来，使用csv.reader()函数从CSV文件中读取数据-

我们可以使用下面的脚本行打印标题的名称-

下面的脚本行将打印数据的形状，即文件中的行数和列数-

下一个脚本行将给出数据文件的前三行-

另一种加载CSV数据文件的方法是 NumPy 和 numpy.loadtxt()函数。以下是借助它加载CSV数据文件的示例-

在此示例中，我们使用具有糖尿病患者数据的Pima Indians数据集。该数据集是没有标题的数字数据集。也可以将其下载到我们的本地目录中。加载数据文件后，我们可以将其转换为 NumPy数组，并将其用于ML项目。以下是用于加载CSV数据文件的Python脚本-

另一种加载CSV数据文件的方法是通过 Pandas 和 pandas.read_csv()函数。这是一个非常灵活的函数，它返回一个pandas.DataFrame，可以立即将其用于绘图。以下是借助它加载CSV数据文件的示例-

在这里，我们将实现两个Python脚本，第一个是使用带有标题的Iris数据集，另一个是使用 Pima Indians Dataset ，它是一个没有标题的数字数据集。这两个数据集都可以下载到本地目录中。

脚本1

以下是在Iris 数据集-上使用 Pandas 加载CSV数据文件的Python脚本。

脚本2

以下是用于在Pima Indians Diabetes数据集上使用Pandas加载CSV数据文件以及提供标头名称的Python脚本-

借助给定的示例，可以很容易地理解上述三种用于加载CSV数据文件的方法之间的区别。