利用函数用 pandas 库读取“tmdb_5000_movies.csv”文件，查看前三行、后两行

以下是用函数方式用 pandas 库读取 "tmdb_5000_movies.csv" 文件，并查看前三行和后两行的代码示例：

import pandas as pd

# 定义读取csv文件函数
def read_csv_file(file_path):
    df = pd.read_csv(file_path)
    return df

# 定义查看前三行函数
def show_first_three_rows(df):
    print(df.head(3))

# 定义查看后两行函数
def show_last_two_rows(df):
    print(df.tail(2))

# 调用函数
file_path = 'tmdb_5000_movies.csv'
df = read_csv_file(file_path)
show_first_three_rows(df)
show_last_two_rows(df)

其中，`read_csv` 函数用于读取csv文件，`head` 和 `tail` 函数分别用于查看前几行和后几行数据。我们通过定义函数的方式分别实现了读取csv文件和查看前三行、后两行数据的功能，可以方便地重复使用。

相关问题

用 pandas 库读取“tmdb_5000_movies.csv”文件，查看前三行、后两行

以下是用 pandas 库读取 "tmdb_5000_movies.csv" 文件，并查看前三行和后两行的代码示例：

import pandas as pd

# 读取csv文件
df = pd.read_csv('tmdb_5000_movies.csv')

# 查看前三行
print(df.head(3))

# 查看后两行
print(df.tail(2))

其中，`read_csv` 函数用于读取csv文件，`head` 和 `tail` 函数分别用于查看前几行和后几行数据。

(1)用pandas库读取tmdb 5000 movies.csv文件，查看前3行、后2行。 (2)选择列 Budget, ld、 original language、 release date, popularty, fifte, 用pandaspopularity.csv。 据预处理模块将缺失值丢弃处理，并导出到新的 (v 文作 Bodn smo le f Bointe (3)利用pandas库重新读取新的数据集 mdb_5000 movies budgt popularty.csv，并选择字段original_language——"en”的所有数据集，导出为文本文件 tmdtb 5000 movies balgt popularity_en.txt,要求数据之间用逗号分隔，每行末尾包含换行符。 (4)读取文本文件 tmdb_5000 _movies_budgt popularity en.txt 并转存到 Excel 文件mdb_5000_movies_budgt_popularity_en.xlsx中。 (5)重新读取文本文件读取文本文件 tmdb_5000_ movies budgt popularity_en.txt,首先按照电影 title升序排序，分别可视化显示2000～2010年发行电影的 Budget. popularity的值，要求每幅图均包括图例、图标题，x轴刻度值为电影title且斜45°显示(为了显示美观，可以将电影title每隔若干个抽样显示)，每幅图曲线颜色分别为红色、绿色；每幅图分别保存为png图片保存，分辨率为400 dpi,png图片命名分别为 movies_en_budget2000_2010.png、movies_en_popularity_2000_2010.png。

很抱歉，作为AI语言模型，我无法为您执行本地文件操作，但我可以给您提供相应的代码：

(1) 读取文件并查看前3行、后2行

import pandas as pd
df = pd.read_csv('tmdb_5000_movies.csv')
print(df.head(3))
print(df.tail(2))

(2) 选择需要的列，处理缺失值并导出为新文件

df = pd.read_csv('tmdb_5000_movies.csv', usecols=['budget', 'id', 'original_language', 'release_date', 'popularity', 'vote_count'])
df.dropna(inplace=True)
df.to_csv('tmdb_5000_movies_budget_popularity.csv', index=False)

(3) 选择"original_language"为"en"的数据集并导出为文本文件

df = pd.read_csv('tmdb_5000_movies_budget_popularity.csv')
df_en = df[df['original_language']=='en']
df_en.to_csv('tmdb_5000_movies_budget_popularity_en.txt', index=False, sep=',', line_terminator='\n')

(4) 读取文本文件并转存为Excel文件

df = pd.read_csv('tmdb_5000_movies_budget_popularity_en.txt', sep=',')
df.to_excel('tmdb_5000_movies_budget_popularity_en.xlsx', index=False)

(5) 按照要求分别绘制两幅图并保存为png文件

import matplotlib.pyplot as plt 

# 提取2000-2010年的数据
df_year = df[df['release_date'].str[:4].astype(int).between(2000, 2010)]

# 绘制budget图
df_budget = df_year.sort_values(by='budget')
fig, ax = plt.subplots(figsize=(15,8))
ax.plot(df_budget['id'], df_budget['budget'], 'r-')
ax.set_xticklabels(df_budget['title'][::20], rotation=45)
ax.set_xlabel('Movie Title')
ax.set_ylabel('Budget')
ax.set_title('Movies Released from 2000 to 2010 - Budget')
ax.legend()
plt.savefig('movies_en_budget2000_2010.png', dpi=400)

# 绘制popularity图
df_popularity = df_year.sort_values(by='popularity')
fig, ax = plt.subplots(figsize=(15,8))
ax.plot(df_popularity['id'], df_popularity['popularity'], 'g-')
ax.set_xticklabels(df_popularity['title'][::20], rotation=45)
ax.set_xlabel('Movie Title')
ax.set_ylabel('Popularity')
ax.set_title('Movies Released from 2000 to 2010 - Popularity')
ax.legend()
plt.savefig('movies_en_popularity_2000_2010.png', dpi=400)