Question

数据可以存储成许多不同的格式和文件类型。某些格式存储的数据很容易被机器处理，而另一些格式存储的数据则容易被人工读取。微软的 Word 文档属于后者，而 CSV、JSON 和 XML 文件则属于前者。本章我们将学习如何读取那些容易被机器处理的文件，在第 4 章和第 5 章我们将讨论那些供人工读取的文件。

以易于机器理解的方式来存储数据的文件格式，通常被称作机器可读的（machine readable）。常见的机器可读格式包括：

· 逗号分隔值（Comma-Separated Values，CSV）

· JavaScript 对象符号（JavaScript Object Notation，JSON）

· 可扩展标记语言（eXtensible Markup Language，XML）

在口语和书面语中，提到这些数据格式时通常使用它们的短名字（如 CSV）。我们将使用这些缩写。

在寻找数据、向组织或机构发出数据请求时，你能找到最好的资源就是本章讲到的这些格式。与易于人工读取的格式相比，这些格式更容易被 Python 脚本处理，在数据网站上通常也很容易找到。

创建代码主文件夹

为了能够顺利完成本章的例子和代码，你需要将文件保存到本地计算机。你应该创建一个文件夹（如果之前还没有创建的话），用来保存 Python 代码和数据文件。文件夹的名字要直观，比如叫 data_wrangling（数据处理）。然后在这个文件夹中创建一个子文件夹，用来保存与本书相关的代码［比如叫 code（代码）］。这有助于保持你的文件夹结构清晰，命名直观。

如果你按照上面的提示操作，应该创建好了一个像这样的文件夹：~/Projects/data_wrangling/code。

在基于 Unix 的系统中（Linux 和 Mac），~ 符号代表主目录，用命令行访问比较方便。在 Windows 系统中，主目录位于 Users 文件夹下，所以你的文件夹位置是在 C:\Users\<your_name>\Projects\data_wrangling。

在本书的数据仓库中（https://github.com/jackiekazil/data-wrangling）可以下载代码示例，并将其移动到你的项目文件夹中。在阅读本章的过程中，我们假定，从上述仓库下载的数据与你编写的 Python 代码位于同一文件夹下。这样我们就不必担心文件定位问题，可以专心研究用 Python 导入数据。