Przejdź do głównej treści

Strona główna Python

Kurs

Wprowadzenie do importowania danych w Pythonie

PodstawowyPoziom umiejętności

Zaktualizowano 12.2025

Importuj dane do Python z różnych źródeł, takich jak Excel, SQL, SAS i bezpośrednio z sieci.

Zacznij kurs za darmo

PythonData Preparation

3 godz.

15 filmów

50 Ćwiczeń

3,900 XP

330K+

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Jako data scientist będziesz czyścić dane, przekształcać je, wizualizować, budować modele predykcyjne i interpretować ich wyniki. Zanim jednak do tego przejdziesz, musisz wiedzieć, jak wczytywać dane do Pythona. W tym kursie poznasz wiele sposobów importowania danych: z plików tekstowych, takich jak .txt i .csv; z plików charakterystycznych dla innych programów, takich jak arkusze Excel, pliki Stata, SAS i MATLAB; oraz z relacyjnych baz danych, takich jak SQLite i PostgreSQL.Filmy wideo zawierają transkrypcje na żywo, które możesz wyświetlić, klikając „Pokaż transkrypcję" w lewym dolnym rogu. Słownik kursu znajdziesz po prawej stronie, w sekcji zasobów. Aby uzyskać punkty CPE, musisz ukończyć kurs i zdobyć co najmniej 70% punktów w ocenie kwalifikacyjnej. Przejdź do oceny, klikając informację o punktach CPE po prawej stronie.

Wymagania wstępne

Intermediate Python

1

Wprowadzenie i pliki tekstowe

W tym rozdziale nauczysz się importować dane do Pythona ze wszystkich rodzajów plików tekstowych – prostego i powszechnie stosowanego sposobu przechowywania danych. Wcześniej poznałeś biblioteki NumPy i pandas – teraz dowiesz się, jak używać ich do wczytywania plików tekstowych i dostosowywania procesu importu.

Witaj na kursie!

Importowanie całych plików tekstowych

Wczytywanie pliku tekstowego wiersz po wierszu

Znaczenie plików płaskich w data science

Krótki quiz: czym właściwie są pliki płaskie?

Dlaczego lubimy płaskie pliki i Zen Pythona

Importowanie plików płaskich za pomocą NumPy

Importowanie plików płaskich za pomocą NumPy

Dostosowywanie importu w NumPy

Importowanie różnych typów danych

Importowanie plików płaskich za pomocą biblioteki pandas

Importowanie plików płaskich jako DataFrame za pomocą pandas (1)

Importowanie plików płaskich jako DataFrame z użyciem pandas (2)

Dostosowywanie importu w pandas

Kilka słów na zakończenie – import danych

Zacznij rozdział

2

Importowanie danych z innych typów plików

Wiesz już, jak importować pliki tekstowe, ale jako data scientist będziesz mieć do czynienia z wieloma innymi typami plików. W tym rozdziale nauczysz się importować dane do Pythona z różnych ważnych formatów. Są to między innymi pliki pickle, arkusze Excel, pliki SAS i Stata, pliki HDF5 przeznaczone do przechowywania dużych zbiorów danych numerycznych oraz pliki MATLAB.

Wprowadzenie do innych typów plików

Coś więcej niż płaskie pliki

Wczytywanie pliku pickle

Wyświetlanie listy arkuszy w plikach Excel

Importowanie arkuszy z plików Excel

Dostosowywanie importu arkusza kalkulacyjnego

Importowanie plików SAS/Stata za pomocą biblioteki pandas

Jak importować SAS7BDAT

Importowanie plików SAS

Importowanie plików Stata za pomocą read_stata

Importowanie plików Stata

Importowanie plików HDF5

Importowanie plików HDF5 za pomocą File

Importowanie plików HDF5 za pomocą h5py

Wyodrębnianie danych z pliku HDF5

Importowanie plików MATLAB

Wczytywanie plików .mat

Struktura pliku .mat w Pythonie

Zacznij rozdział

3

Praca z relacyjnymi bazami danych w Pythonie

W tym rozdziale nauczysz się wydobywać wartościowe dane z relacyjnych baz danych – to umiejętność niezbędna każdemu data scientistowi. Poznasz modele relacyjne, tworzenie zapytań SQL, filtrowanie i sortowanie rekordów oraz zaawansowane zapytania z łączeniem tabel.

Wprowadzenie do relacyjnych baz danych

Krótki quiz: model relacyjny

Tworzenie silnika bazy danych w Pythonie

Tworzenie silnika bazy danych

Jakie tabele zawiera baza danych?

Zapytania do relacyjnych baz danych w Pythonie

Pierwsze zapytanie SQL!

Dostosowywanie podstawowego zapytania SQL

Filtrowanie rekordów bazy danych za pomocą klauzuli WHERE w SQL

Porządkowanie rekordów SQL za pomocą ORDER BY

Bezpośrednie zapytania do relacyjnych baz danych za pomocą biblioteki pandas

Pandas i pierwsze zapytanie SQL!

Pandas do bardziej złożonych zapytań

Zaawansowane zapytania: wykorzystanie relacji między tabelami

Siła SQL tkwi w relacjach między tabelami: INNER JOIN

Filtrowanie wyników INNER JOIN

Podsumowanie

Zacznij rozdział

Wprowadzenie do importowania danych w Pythonie

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Wprowadzenie do importowania danych w Pythonie już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.