如何獲取資料：載入常見檔案格式

CSV、TXT、Excel 試算表與 JSON

Photo by Mr Cup / Fabien Barral on Unsplash

The world’s most valuable resource is no longer oil, but data.
The Economist — May 6th, 2017

獲取資料在資料科學專案中扮演發起點，如果這個資料科學專案目的是協助我們制定資料驅動的策略（data-driven strategy），而非倚賴直覺，那麼為專案細心盤點資料來源與整理獲取方法，可以為將來的決策奠基穩固的基礎。資料常見的來源包含三種：

1. 檔案
2. 資料庫
3. 網頁資料擷取

摘要

本文專注在檔案這個類型，簡介如何將四種常見的檔案格式：CSV、TXT、Excel 試算表與 JSON 載入 Python 與 R 語言，Python 我們會應用 pandas、requests 與 json 等模組，R 語言我們則應用內建函數、readxl 與 jsonlite 等套件；文章所有的程式與資料都可以在這個 GitHub Repository 找到。

文字編輯器

在四種常見檔案格式中，除了 Excel 試算表，CSV、TXT 與 JSON 其實就是副檔名分別為 .csv、.txt 與 .json 的純文字檔案，在個人電腦中可以使用任意文字編輯器開啟以便檢視，通常系統內建的文字編輯器（例如筆記本）由於功能陽春不太推薦使用，較常被推薦適合一般使用者的文字編輯器有：

• VSCode
• Atom
• Brackets
• Sublime Text
• Notepad ++

通常我們會使用文字編輯器開啟檢視預計要載入的純文字檔案，觀察是否具有變數名稱（header）或是分隔符號（separator）等注意事項。

檔案：CSV

副檔名為 .csv 純文字檔案指的是逗號分隔資料（comma separated values），如果我們將 1995 至 1996 年的芝加哥公牛隊球員名單與一些基本資訊以 CSV 檔案儲存，外觀長得像這樣：