机器学习笔记（持续更新）

使用matplotlib绘图：

import matplotlib.pyplot as plt
fig, ax=plt.subplots()  #创建一个图形窗口
plt.show()   #不绘制任何内容，直接显示空图

重复值处理：

重复值处理代码：

import pandas as pd
data = pd.DataFrame({
    '学号': [1, 2, 3, 4, 5, 6, 7, 7, 8],
    '身高': [172,162,175,170,168,160,164,164,160],
    '体重': [70,62,75,68,67,58,64,64,53]
})
data.drop_duplicates(['学号'], keep = 'last', inplace=True)
print(data)

# drop_duplicates方法的正确语法是drop_duplicates(subset=None, keep='first', inplace=False)，
# 其中keep参数只能是
# 'first'（保留第一次出现的重复行）、
# 'last'（保留最后一次出现的重复行）
#  False（删除所有重复行）

缺损值删除：

缺损值删除代码：

import pandas as pd
import numpy as np
data = pd.DataFrame({
    '学号': [1, 2, 3, 4, 5, 6, 7, 7, 8],
    '身高': [172,162,175,170,np.nan,160,164,164,160],
    '体重': [70,62,75,68,67,58,64,64,53]
})
data=data.dropna()  #只要有空值就删除
data=data.dropna(how='all')  #只有当一行中所有值都是缺失值才删除改行，如果至少有一个非缺失值，则改行不会被删除
print(data)

缺损值填充：

缺损值填充代码：

import pandas as pd
import numpy as np
data = pd.DataFrame({
    '学号': [1, 2, 3, 4, 5, 6, 7, 7, 8],
    '身高': [172,162,175,170,np.nan,160,164,164,160],
    '体重': [70,62,75,68,67,58,64,64,53]
})
# data=data.fillna(199)  #用199数值填充缺损的数据
# data=data.fillna(method='ffill')  #使用缺损值前一行填充缺损值
# data=data.fillna(method='bfill')  #使用缺损值后一行填充缺损值
data['身高'].fillna(data['身高'].mean(),inplace=True)  #使用身高的均值来填充缺损值
print(data)

异常值填充：

异常值填充代码：

import pandas as pd
data = pd.DataFrame({
    '学号': [1, 2, 3, 4, 5, 6, 7, 7, 8],
    '身高': [172,162,175,170,1700,160,164,164,160],
    '体重': [70,62,75,68,67,58,64,64,53]
})
print("是否存在超出正常身高范围的值：",any(data['身高']>240))  #检查是否存在异常值
renew_value=data['身高'][data['身高']<200].max()
data.loc[data['身高']>200,'身高']=renew_value    #用身高最高值填充异常值
print(data)