### 在 Jupyter Notebook 中引用表格数据的方法 在 Jupyter Notebook 中，引用表格数据通常可以通过 Pandas 库实现。Pandas 提供了强大的数据处理功能，能够轻松加载、操作和展示表格数据。以下是几种常见的方法及示例代码： #### 方法一：使用 Pandas 加载 CSV 文件并显示表格 Pandas 是数据分析的常用工具之一，支持从多种文件格式（如 CSV、Excel）中加载数据，并能以表格形式展示[^1]。 ```python import pandas as pd # 从 CSV 文件加载数据 data = pd.read_csv('data.csv') # 显示数据的前几行 data.head() ``` 此代码将加载一个名为 `data.csv` 的文件，并通过 `head()` 函数显示表格的前五行。 #### 方法二：直接创建 Pandas DataFrame 并显示 如果需要手动创建表格数据，可以直接使用 Pandas 的 `DataFrame` 构造函数[^3]。 ```python import pandas as pd # 创建一个简单的表格 data = { 'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35], 'City': ['New York', 'Los Angeles', 'Chicago'] } df = pd.DataFrame(data) # 显示表格 df ``` 运行上述代码后，Jupyter Notebook 将自动渲染 `df` 为一个交互式表格。 #### 方法三：使用 HTML 输出表格 对于更复杂的表格样式需求，可以使用 HTML 来定义表格，并通过 IPython 的 `display` 函数输出[^3]。 ```python from IPython.display import display, HTML # 定义 HTML 表格 html_table = ''' <table border="1"> <tr> <th>Name</th> <th>Age</th> <th>City</th> </tr> <tr> <td>Alice</td> <td>25</td> <td>New York</td> </tr> <tr> <td>Bob</td> <td>30</td> <td>Los Angeles</td> </tr> </table> ''' # 显示 HTML 表格 display(HTML(html_table)) ``` 这种方法允许用户完全自定义表格的外观和结构。 #### 方法四：结合 Matplotlib 或 Seaborn 进行可视化 除了表格显示外，还可以通过图表的形式引用和展示表格数据[^2]。 ```python import matplotlib.pyplot as plt # 假设我们有一个包含年龄分布的数据框 ages = df['Age'] # 创建直方图 plt.hist(ages, bins=5) plt.title('Age Distribution') plt.xlabel('Age') plt.ylabel('Frequency') plt.show() ``` 此代码将基于表格中的 `Age` 列生成一个直方图。 --- ### 注意事项 - 如果表格数据较大，建议使用 `head()` 或 `sample()` 函数来限制显示的行数。 - 使用 Pandas 时，确保已正确安装库：`!pip install pandas`。 - 对于复杂表格样式，推荐使用 HTML 方法或第三方库（如 `tabulate` 或 `prettytable`）。