【ML】数据预处理

前言

对于数据的预处理，没有固定的步骤。
下文写的仅仅的常规的一些小步骤。
具体的预处理，还需要根据数据以及需求来自行处理。

====================================

Python

STEP1、导入依赖包

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

把np作为numpy的缩写，后面可以直接使用np来调用各种方法。

==>
numpy系统是python的一种开源的数值计算扩展。
这种工具可用来存储和处理大型矩阵，比python自身的嵌套列表结构要高效的多。
你可以理解为凡是和矩阵有关的都用numpy这个库。

==>
matplotlib.pyplot是用来做数据的展示。也就是数据的可视化。

==>
pandas该工具是为了解决数据分析任务而创建的。pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。
pandas提供了大量能使我们快速便捷地处理数据的函数和方法。它是使python成为强大而高效的数据分析环境的重要因素之一。

========
选择好这三行代码，敲下shift+return组合键。

如果结果如下，说明库已经导入了。
我们的环境配置也完全没有问题。

如果环境的配置有问题，参考博客：
http://blog.csdn.net/wiki_su/article/details/78404808

STEP2、读取数据

原始数据在云盘，有需要的自行下载吧。
链接:http://pan.baidu.com/s/1eRHXACU
密码:4q8c

在Spyder中，设置好文件路径。千万不要忘了。

输入下面的代码。然后选择这行代码，敲下shift+return组合键。

#import dataset
dataset = pd.read_csv('Data.csv')

我们在explorer中会看到我们命名的dataset。

双击打开

根据上面的dataset的那个图我们可以看出，我们的目的是想要通过地区，年龄，薪资来看购买力。

那我们把country，age，salary作为X，purchased作为Y。
得到二者之间的关系，就得到了country，age，salary和purchased之间的某种关系。