如何使用Anaconda在Jupyter Notebook中加载主数据集及带标签数据集

前置依赖检查 #

首先确认当前Jupyter使用的Anaconda环境已安装所需数据处理库，最常用的为pandas、numpy：

• 执行!conda list pandas查看是否已安装pandas，无返回结果则先打开Anaconda Prompt，激活对应环境后执行conda install pandas numpy完成安装
• 执行!conda env list，带*标记的即为当前Jupyter Notebook绑定的Anaconda环境

常规数据集加载步骤（以最通用的CSV格式为例） #

• 步骤1：将主数据集、带标签数据集放置于当前ipynb文件同级目录，或提前复制好两个文件的绝对路径
• 步骤2：在代码单元格中运行如下代码完成加载：

import pandas as pd

# 加载主数据集，替换括号内内容为你的实际文件名/绝对路径
main_dataset = pd.read_csv("main_dataset.csv")
# 加载对应带标签数据集
label_dataset = pd.read_csv("label_dataset.csv")

• 步骤3：验证加载结果，分别运行main_dataset.head()、label_dataset.head()，查看返回的前5行数据确认字段、数值无异常

其他格式数据集适配 #

如果你的数据集不是CSV格式，仅需替换对应读取接口即可：

• Excel格式（.xlsx/.xls）：pd.read_excel("你的文件名.xlsx")
• JSON格式：pd.read_json("你的文件名.json")
• Pickle序列化格式：pd.read_pickle("你的文件名.pkl")
• Numpy矩阵格式（.npy）：np.load("你的文件名.npy")

可选：关联合并两个数据集 #

如果需要将主数据集和标签数据集通过共同字段关联合并，可使用如下示例代码：

# 假设两个数据集的关联键字段为id，可按需替换为你实际的关联字段名
merged_dataset = pd.merge(main_dataset, label_dataset, on="id", how="inner")

常见报错排查：如果提示文件找不到，优先检查文件名拼写是否正确、路径分隔符是否符合系统要求（Windows系统用/或者\\，Mac/Linux系统用/），也可以直接将文件拖入系统文件资源管理器地址栏获取绝对路径填入读取接口。

内容的提问来源于stack exchange，提问作者Sarah Crafton