假设如果要启动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，对于ML项目，最常见的数据格式是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，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。

加载CSV数据时的注意事项

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-

文件头

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

以下是与CSV文件标题相关的两种情况，必须考虑以下两种情况：

• 情况一：当数据文件具有文件头时–如果数据文件具有文件头，它将自动为数据的每一列分配名称。

• 情况二：当数据文件没有文件头时–如果数据文件没有文件头，我们需要为每个数据列手动分配名称。

在这两种情况下，我们都必须明确指定我们的CSV文件是否包含标题的天气。

评论

任何数据文件中的注释都具有其重要性。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。

定界符

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。但是在使用与标准分隔符不同的分隔符的情况下，我们必须必须明确指定它。

行情

在CSV数据文件中，双引号(“”)是默认的引号字符。将CSV文件上传到ML项目中时，考虑引号的作用很重要，因为我们还可以使用双引号以外的其他引号字符。但是，如果使用的引号字符不同于标准引号字符，则必须明确指定它。

加载CSV数据文件的方法

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-

使用Python标准库加载CSV

加载CSV数据文件的第一个也是最常用的方法是使用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-

例

在此示例中，我们使用的鸢尾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-

首先，我们需要导入Python标准库提供的csv模块，如下所示-

import csv

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。

import numpy as np

现在，提供具有CSV数据文件的文件的完整路径，该路径存储在我们的本地目录中-

path = r"c:\iris.csv"

接下来，使用csv.reader()函数从CSV文件读取数据-

with open(path,'r') as f:
   reader = csv.reader(f,delimiter = ',')
   headers = next(reader)
   data = list(reader)
   data = np.array(data).astype(float)

我们可以使用以下脚本行打印标题的名称：

print(headers)

脚本的以下行将打印数据的形状，即文件中的行数和列数-

print(data.shape)

下一个脚本行将给出数据文件的前三行-

print(data[:3])

输出

['sepal_length', 'sepal_width', 'petal_length', 'petal_width']
(150, 4)
[  [5.1  3.5  1.4  0.2]
   [4.9  3.   1.4  0.2]
   [4.7  3.2  1.3  0.2]
]

用NumPy加载CSV

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

例

在此示例中，我们使用的是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-

from numpy import loadtxt
path = r"C:\pima-indians-diabetes.csv"
datapath= open(path, 'r')
data = loadtxt(datapath, delimiter=",")
print(data.shape)
print(data[:3])

输出

(768, 9)
[  [ 6.  148.  72.  35.  0.  33.6  0.627  50. 1.]
   [ 1.  85.   66.  29.  0.  26.6  0.351  31. 0.]
   [ 8.  183.  64.  0.   0.  23.3  0.672  32. 1.]
]

用熊猫加载CSV

加载CSV数据文件的另一种方法是使用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-

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数据集，它是一个没有头的数字数据集。这两个数据集都可以下载到本地目录中。

脚本1

以下是用于使用Iris数据集上的熊猫加载CSV数据文件的Python脚本-

from pandas import read_csv
path = r"C:\iris.csv"
data = read_csv(path)
print(data.shape)
print(data[:3])

Output:

(150, 4)
   sepal_length   sepal_width  petal_length   petal_width
0         5.1     3.5          1.4            0.2
1         4.9     3.0          1.4            0.2
2         4.7     3.2          1.3            0.2

脚本2

以下是使用Pima Indians Diabetes数据集上的Pandas加载CSV数据文件的Python脚本，还提供了标头名称-

from pandas import read_csv
path = r"C:\pima-indians-diabetes.csv"
headernames = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class']
data = read_csv(path, names=headernames)
print(data.shape)
print(data[:3])

输出

(768, 9)
   preg  plas  pres   skin  test   mass    pedi    age   class
0   6    148    72      35    0     33.6   0.627    50      1
1   1    85     66      29    0     26.6   0.351    31      0
2   8    183    64      0     0     23.3   0.672    32      1

借助给定的示例，可以轻松理解上面使用的三种加载CSV数据文件的方法之间的区别。