时间：2020-11-23 12:31:47 | 栏目：Python代码 | 点击：次
1. 数据集基本信息
df = pd.read_csv()
df.head()：前五行；
df.info()：
对于非数值型的属性列
df.describe()： 各个列的基本统计信息
df.hist(bins=50, figsize=(20, 15))：统计直方图；
对 df 的每一列进行展示：
train_prices = pd.DataFrame({'price': train_df.SalePrice,
'log(price+1)': np.log1p(train_df.SalePrice)})
# train_prices 共两列，一列列名为 price，一列列名为 log(price+1)
train_prices.hist()
2. 数据集拆分
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. 数据预处理
>> df['label'] = pd.Categorical(df['label']).codes
>> df = pd.get_dummies(df)
>> df.isnull().sum().sort_values(ascending=False).head() # 填充为 mean 值 >> mean_cols = df.mean() >> df = df.fillna(mean_cols) >> df.isnull().sum().sum() 0
总结