在本节的最后部分,我们将使用熊猫读取`csv`文件并将一个字段值传递给`ndarray`以进行进一步的计算。 `example.csv`文件来自**国家统计局**(**ONS**)。 请访问[这里](http://www.ons.gov.uk/ons/datasets-and-tables/index.html)了解更多详细信息。 我们将在 ONS 网站上使用`Sale counts by dwelling type and local authority, England and Wales`(房屋类型和地方当局(英格兰和威尔士)的销售计数)。 您可以按主题名称搜索它,以访问下载页面或选择您感兴趣的任何数据集。在以下示例中,我们将示例数据集重命名为`sales.csv`:
在本节的最后部分,我们将使用 Pandas 读取`csv`文件并将一个字段值传递给`ndarray`以进行进一步的计算。 `example.csv`文件来自**国家统计局**(**ONS**)。 请访问[这里](http://www.ons.gov.uk/ons/datasets-and-tables/index.html)了解更多详细信息。 我们将在 ONS 网站上使用`Sale counts by dwelling type and local authority, England and Wales`(房屋类型和地方当局(英格兰和威尔士)的销售计数)。 您可以按主题名称搜索它,以访问下载页面或选择您感兴趣的任何数据集。在以下示例中,我们将示例数据集重命名为`sales.csv`:
```py
In[15]:sales=pd.read_csv('sales.csv')
...
...
@@ -323,7 +323,7 @@ In [3]: image_data = ascent()
首先,我们从 SciPy 的其他例程中导入三个函数:`imread`,`imsave`和`ascent`。 在下面的示例中,我们使用内置图像`ascent`,它是 512 x 512 灰度图像。 当然,您可以使用自己的图像。 只需调用`imread('your_image_name')`,它将作为`ndarray`加载。