12、数据处理与网页文本采集：Pandas、Markup Languages及相关技术

数据处理与网页文本采集：Pandas、Markup Languages及相关技术

1. Pandas处理表格数据

Pandas模块是处理表格数据和时间序列的综合工具。它能将表格存储在DataFrame数据结构中，还能使用类似数据库的函数进行组合和查询。
- 创建DataFrame ：可以使用 pandas.read_csv(filepath, sep='\t') 语句创建读取器，其中 filepath 是文件名或文件对象。若要直接从数据集URL创建DataFrame，因QQP服务器不允许Pandas请求，需使用 requests 模块，并借助 StringIO 创建内存文件，示例代码如下：

import pandas as pd
from io import StringIO
import requests

qqp_url = 'your_url_here'
qqp_pandas = pd.read_csv(
    StringIO(requests.get(qqp_url).text),
    sep='\t'
)

• 提取行数据 ：使用整数位置切片方法 iloc[] 提取行，示例如下：

print(qqp_pandas.iloc[447])