Bagaimana untuk mengimport data dari Kaggle tanpa memuat turunnya?

WBOY
Lepaskan: 2024-02-05 23:42:11
ke hadapan
1139 orang telah melayarinya

如何在不下载数据的情况下从 Kaggle 导入数据?

Kandungan soalan

Saya mahu mengimport data dari kaggle ke dalam buku nota saya tanpa perlu memuat turunnya (jadi jika saya berkongsi .ipynb saya, anda hanya perlu menjalankan kod dan ia akan memuat turunnya dari internet), tetapi Saya tidak tahu sama ada ia boleh dan pautan mana yang hendak disalin. Ini adalah laman web kaggle:

https://www.kaggle.com/datasets/kukuroo3/body-performance-data/data?select=bodyperformance.csv

data = pd.read_csv('link here')
Salin selepas log masuk

Saya cuba menyalin pautan butang muat turun tetapi ia tidak berfungsi dan menunjukkan: parsererror: Ralat semasa melabel data. c Ralat: Baris 9 sepatutnya mempunyai 1 medan tetapi melihat 2


Jawapan betul


Pendekatan pertama

Anda boleh pergi ke halaman set data dan klik pada Buku Nota Baharu di penjuru kanan sebelah atas

Kaedah kedua

Buka mana-mana buku nota dan klik "Tambah Data" dalam menu yang betul

Kaedah ketiga

Tidak disyorkan kerana setiap orang yang membuka ipynb mesti memuat naik token mereka sendiri terlebih dahulu.

Apabila menggunakan colab, muat turun kekunci json kaggke anda dahulu dan lakukan langkah berikut

  • Untuk mencipta kunci kaggle anda boleh pergi ke tetapan anda kemudian pergi ke tab akaun anda boleh mencari butang 创建新令牌 di bahagian api klik padanya untuk memuat turun token anda.
  • Pasang perpustakaan kaggle
! pip install  kaggle
Salin selepas log masuk
  • Muat naik kunci kaggle anda atau anda boleh masukkan kod berikut untuk memuat naik kunci
from google.colab import files
files.upload()
Salin selepas log masuk
  • Kini anda boleh memuat turun set data menggunakan kod berikut
!kaggle datasets download -d [user/data-name]
Salin selepas log masuk

Dalam contoh kita, [user/data-name]kukuroo3/body-performance-data

Atas ialah kandungan terperinci Bagaimana untuk mengimport data dari Kaggle tanpa memuat turunnya?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

sumber:stackoverflow.com
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan
Tentang kita Penafian Sitemap
Laman web PHP Cina:Latihan PHP dalam talian kebajikan awam,Bantu pelajar PHP berkembang dengan cepat!