如何通过Pandas查看指定GitHub数据集的内容与列信息？

直接通过Pandas的read_csv()函数可以读取该raw格式的数据集链接，无需浏览器访问，具体操作步骤如下：

• 首先确保已安装Pandas，若未安装可执行命令：

  pip install pandas
  

• 编写Python代码读取数据集并查看关键信息：

  import pandas as pd
  
  # 目标目录下的具体数据集文件链接（原链接是目录，需指定文件名）
  data_url = "https://raw.githubusercontent.com/python-visualization/folium/master/examples/data/crime.csv"
  
  # 读取数据集
  df = pd.read_csv(data_url)
  
  # 查看完整列列表
  print("列列表：")
  print(df.columns.tolist())
  
  # 查看各列的分类（数据类型）及基本信息
  print("\n列分类及基本信息：")
  df.info()
  
  # 可选：查看前5行数据，直观了解内容结构
  print("\n前5行数据：")
  print(df.head())
  

注意事项 #

• 原链接是一个文件目录，你需要指定具体文件名才能读取，该目录下常见的文件有crime.csv、us-states.json、world-countries.json等，对应不同类型的地图数据集。
• 如果Python环境也无法直接访问该链接，可在读取时添加代理配置，示例：

  proxies = {
      'http': 'http://your-proxy:port',
      'https': 'https://your-proxy:port'
  }
  df = pd.read_csv(data_url, storage_options=proxies)
  

内容的提问来源于stack exchange，提问作者Jose Hurtado