1.导入
python中的三个库(Numpy、Matplotlib、Pandas)
import numpy as ap
import matplotlib.pyplot as plt
import pandas as pd
读入数据集
dataset=pd.read_csv(data.csv)
创建矩阵保存自变量
X=dataset.iloc[:,:-1].values
#第一个:表示提取全部行,:-1表示提取除最后一列以外的所有列,.values提取所有值
Y=dataset.iloc[:,3].values
#提取最后一列,索引从0开始
2.处理缺失数据
填充缺失值,最常用的是用其所在列的均值来填充
from sklearn.preprocessing import Imputer
imputer=Imputer(missing_values=np.nan,strategy='mean',axis=0)
#利用scikit-learn预处理模型中的inputer类
imputer=imputer.fit(X[:,1:3])
#在数据缺失的列上拟合imputer
X[:,1:3]=imputer.transform(X[:,1:3])
#调用方法填充缺失值
3.包含属性数据
可以将属性数据编码为数值