课程库 › AI 主线 › pandas 数据处理 › 第 3 课

读取与查看数据 —— read_csv、head、info、describe

普通课约 55 分钟

本课导读

真实的数据分析从来不是自己敲数据，而是读别人给的文件。本课学 pandas 的进货动作 read_csv，以及拿到任何一份新数据后的"入库体检三板斧"：head 看长相、info 看体质、describe 看指标。这套流程是数据人拿到新表的条件反射——面试里让你"先看看这份数据"，考的就是它。预计 55 分钟。

read_csv：一行进货

先自备一份道具数据（沙盒约定），然后见证 U1.3 手工 CSV 处理的"工业化版本"：

Python

import pandas as pd

# 道具：电商一周订单表（真实使用时这个文件是别人给你的）
raw = """order_id,date,product,price,qty,city
1001,2026-07-01,键盘,299,1,上海
1002,2026-07-01,鼠标,89,2,北京
1003,2026-07-02,显示器,1599,1,上海
1004,2026-07-02,键盘,299,3,深圳
1005,2026-07-03,鼠标,89,1,北京
1006,2026-07-03,耳机,459,2,上海
1007,2026-07-04,显示器,1599,1,广州
1008,2026-07-04,键盘,299,2,北京"""
with open("orders.csv", "w", encoding="utf-8") as f:
  f.write(raw)

# ── 进货只要一行 ──
df = pd.read_csv("orders.csv")
print(df)

对比 U1.3 的手工流程（open → DictReader → 逐行转类型），read_csv 一行全包了。更重要的是它悄悄做对了一件大事——看下一节。

体检三板斧

拿到任何新数据，先跑这三下再说话：

Python

import pandas as pd

raw = """order_id,date,product,price,qty,city
1001,2026-07-01,键盘,299,1,上海
1002,2026-07-01,鼠标,89,2,北京
1003,2026-07-02,显示器,1599,1,上海
1004,2026-07-02,键盘,299,3,深圳
1005,2026-07-03,鼠标,89,1,北京
1006,2026-07-03,耳机,459,2,上海
1007,2026-07-04,显示器,1599,1,广州
1008,2026-07-04,键盘,299,2,北京"""
with open("orders.csv", "w", encoding="utf-8") as f:
  f.write(raw)
df = pd.read_csv("orders.csv")

# ① head：看长相（默认前 5 行；tail 看尾巴）
print(df.head())
print("―" * 40)

# ② info：看体质（几行几列、每列类型、有没有缺失）
df.info()
print("―" * 40)

# ③ describe：看指标（数值列的统计概览）
print(df.describe())

逐板斧解读：

head 答"长什么样"：列名对不对、数据像不像话。真实表动辄几十万行，print(df) 会刷屏——head 只看头几行，是刻进肌肉的第一动作
info 答"体质如何"：重点看两处——每列的 Dtype（数据类型）和 Non-Null Count（非空数量）。8 行数据某列只有 6 个非空？缺失值警报（下下课处理它）
describe 答"数值什么水平"：count/mean/min/max/中位数一次全出。看一眼 min 和 max 常能立刻发现离谱值（价格是负数？年龄 300 岁？）

info 里藏着的大新闻：类型自动转换

对着 info 的输出看 Dtype 列：price 和 qty 是 int64（整数），不是字符串！回想 U1.3 的大坑——csv 模块读出来全是字符串，算账前要挨个 int()。read_csv 自动推断了每列的类型：

Python

import pandas as pd

raw = """product,price,qty
键盘,299,1
鼠标,89,2"""
with open("mini.csv", "w", encoding="utf-8") as f:
  f.write(raw)
df = pd.read_csv("mini.csv")

# 不用转类型，直接算！
df["total"] = df["price"] * df["qty"]
print(df)
print(df["total"].sum())

这就是"pandas 帮了你什么"的第一个答案。但别全托付——类型推断也会失手（一列数字里混进一个 "缺货"，整列被迫降级成字符串），所以 info 检查 Dtype 永远是必修动作。失手了怎么救？清洗课见。

常用读取参数，先认识三个

import pandas as pd

df = pd.read_csv("orders.csv")                  # 标准姿势，多数时候够用
df_peek = pd.read_csv("orders.csv", nrows=3)    # 超大文件先读几行踩踩点
print(len(df), len(df_peek))

# 乱码急救（示意）：打开是乱码，多半是老 Excel 导出的 GBK 编码
# df = pd.read_csv("legacy.csv", encoding="gbk")

记住排障口诀即可：乱码调 encoding，太大用 nrows。其他参数等真遇到再查——read_csv 有几十个参数，全背是邪路，"知道有、会查文档"（U1.2 三问的功夫）才是正路。

提示

顺手认个亲戚：pd.read_excel("表.xlsx") 直接读 Excel 文件（本地环境装 openpyxl 后可用），df.to_csv("out.csv", index=False) 把处理结果写回 CSV（index=False 别把行号也写进去）。进货出货，一进一出。

✍️ 练习

练习 1：体检报告

对下面的员工表跑完三板斧，然后口头回答（答案里对照）：几行几列？哪几列是数值？salary 的平均值大概多少？

Python

import pandas as pd

raw = """name,dept,salary,age
小雨,设计,12000,28
阿杰,运营,9500,31
丽丽,设计,13000,26
老王,销售,11000,35
小陈,运营,8800,24"""
with open("staff.csv", "w", encoding="utf-8") as f:
  f.write(raw)

# 你的代码写在下面

✅ 参考答案

import pandas as pd

df = pd.read_csv("staff.csv")
print(df.head())
df.info()
print(df.describe())

读报告：5 行 4 列；salary 和 age 是 int64 数值列；describe 里 salary 的 mean ≈ 10860。三板斧的价值就是 30 秒答出这些问题。

练习 2：直接开算

不转任何类型，给订单表加 total 列（price × qty），打印总营业额和最贵一单的金额。

Python

import pandas as pd

raw = """order_id,product,price,qty
1001,键盘,299,1
1002,鼠标,89,2
1003,显示器,1599,1
1004,键盘,299,3"""
with open("orders2.csv", "w", encoding="utf-8") as f:
  f.write(raw)

# 你的代码写在下面

✅ 参考答案

import pandas as pd

df = pd.read_csv("orders2.csv")
df["total"] = df["price"] * df["qty"]
print(f'总营业额 {df["total"].sum()} 元，最大单 {df["total"].max()} 元')

read_csv 自动转好了类型，整列运算直接上——对比 U1.3 手工版，体会一下工业化。

练习 3：发现异常（挑战）

这份数据埋了两处不对劲。只用三板斧（不许逐行肉眼数）把它们找出来，说明是从哪个输出的哪个指标看出来的。

Python

import pandas as pd

raw = """name,score,attempts
小雨,92,1
阿杰,88,2
丽丽,,1
老王,-15,3
小陈,79,1
大壮,85,"""
with open("exam.csv", "w", encoding="utf-8") as f:
  f.write(raw)

# 你的代码写在下面

✅ 参考答案

import pandas as pd

df = pd.read_csv("exam.csv")
df.info()               # 线索一：score 和 attempts 都只有 5 个非空（共 6 行）→ 各有一个缺失
print(df.describe())    # 线索二：score 的 min 是 -15 → 分数不可能为负，离谱值

info 抓缺失、describe 的 min/max 抓离谱——两板斧配合就是最快的异常探测器。这两类问题怎么修，正是两课后"清洗数据"的主题。

📝 随堂测验

随堂测验0 / 5 题正确

1. 拿到一份陌生 CSV，读入后的第一个动作是？

2. df.info() 的输出重点看哪两样？

3. describe() 输出里最容易一眼揪出“离谱值”的是？

4. read_csv 相比 U1.3 的 csv 模块，悄悄帮你做了什么？

5. 读一个 2GB 的大 CSV 之前想先踩踩点，用什么？

本课小结

pd.read_csv("文件") 一行进货，自动推断类型（U1.3 的字符串之坑被工业化抹平，但 info 复查不可省）
体检三板斧：head 看长相、info 看体质（Dtype + 缺失）、describe 看指标（min/max 抓离谱）
排障：乱码调 encoding、大文件 nrows 踩点；出货用 to_csv(..., index=False)
参数不背全，"知道有、会查"是正路

下一课学在表里"指哪打哪"：选行、选列、按条件筛——数据分析一半的日常动作。

划选正文任意文字可高亮、批注或加入复习卡

讨论

载入中…