1. 數(shù)據(jù)集基本信息
df = pd.read_csv()
df.head()：前五行；
df.info()：
rangeindex：行索引； data columns：列索引； dtypes：各個列的類型， 主體部分是各個列值的情況，比如可判斷是否存在 NaN 值；對于非數(shù)值型的屬性列
df[‘some_categorical_columns'].value_counts()：取值分布；df.describe()： 各個列的基本統(tǒng)計信息
count mean std min/max 25%, 50%, 75%：分位數(shù)df.hist(bins=50, figsize=(20, 15))：統(tǒng)計直方圖；
對 df 的每一列進行展示：
train_prices = pd.DataFrame({'price': train_df.SalePrice, 'log(price+1)': np.log1p(train_df.SalePrice)}) # train_prices 共兩列，一列列名為 price，一列列名為 log(price+1)train_prices.hist()2. 數(shù)據(jù)集拆分
def split_train_test(data, test_ratio=.3): shuffled_indices = np.random.permutation(len(data)) test_size = int(len(data)*test_ratio) test_indices = shuffled_indices[:test_size] train_indices = shuffled_indices[test_size:] return data.iloc[train_indices], data.iloc[test_indices]
3. 數(shù)據(jù)預處理
一鍵把 categorical 型特征（字符串類型）轉化為數(shù)值型：>> df['label'] = pd.Categorical(df['label']).codes一鍵把 categorical 型特征（字符串類型）轉化為 one-hot 編碼：
>> df = pd.get_dummies(df)null 值統(tǒng)計與填充：
>> df.isnull().sum().sort_values(ascending=False).head()# 填充為 mean 值>> mean_cols = df.mean()>> df = df.fillna(mean_cols)>> df.isnull().sum().sum()0
總結
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對武林站長站的支持。如果你想了解更多相關內容請查看下面相關鏈接
新聞熱點
疑難解答
