Мы начинаем соревнование с открытия нового блокнота на Python.
# This Python 3 environment comes with many helpful analytics libraries installed # It is defined by the kaggle/python docker image: https://github.com/kaggle/docker-python # For example, here's several helpful packages to load in import numpy as np # linear algebra import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv) # Input data files are available in the "../input/" directory. # For example, running this (by clicking run or pressing Shift+Enter) will list all files under the input directory import os for dirname, _, filenames in os.walk('/kaggle/input'): for filename in filenames: print(os.path.join(dirname, filename)) # Any results you write to the current directory are saved as output.
Эта клетка - первое снаряжение, которое нужно преодолеть. По сути, он импортирует модули numpy
, pandas
и os
. Наиболее важные части - это вложенные операторы for
. Следующие шаги помогут вам понять вложенные операторы и os.walk
. Скопируйте и вставьте код блок за блоком и попытайтесь понять каждый вывод.
os.walk('/') os.walk('/kaggle/input/) for a in os.walk('/kaggle/input/): print(a) for a, b, c in os.walk('/kaggle/input/): print(a, b, c) for a, b, c in os.walk('/kaggle/input'): print(a, b, c) for d in c: print(os.path.join(a,d))
Теперь прочтите набор данных. В pandas
набор данных обычно называется фреймом данных или df. Использование функции pd.read_csv
без какой-либо опции вызывает предупреждающее сообщение. Итак, чтобы это исправить. добавить low_memory=Flase
.
df = pd.read_csv('/kaggle/input/nfl-big-daeta-bowl-2020/train.csv') #df = pd.read_csv('/kaggle/input/nfl-big-data-bowl-2020/train.csv', low_memory=False) df
Поскольку pandas
уже импортирован, мы можем безопасно использовать pd.read_csv
. Он считывает набор обучающих данных в формате CSV и связывает с ним имя переменной df
.
Мы видим, что набор данных содержит 509 763 строки и 49 столбцов из выходных данных. Мы также можем подтвердить результат по
df.shape
Чтобы увидеть тип данных каждого столбца, мы используем
df.dtypes()
В наборе данных есть 3 разных типа данных: int64
, float64
и object
. Первые два типа легко узнать. Но что это за тип object
? Вы можете подумать, что это строковый тип.