机器学习入门：第一天 数据的处理

第一步：导入库

        

注意：要pip安装pandas库

 

 

第二步：导入数据集（及数据的打印）

注意：所操作的.csv文件要与所运行的py程序在同一级目录下！

 

第三步处理丢失的数据：

注意：所有缺失值的补充是存在变量X中的

missing_values：缺失值，可以为整数或NaN(缺失值numpy.nan用字符串‘NaN’表示)，默认为NaN

strategy：替换策略，字符串，默认用均值‘mean’替换

①若为mean时，用特征列的均值替换

②若为median时，用特征列的中位数替换

③若为most_frequent时，用特征列的众数替换

axis：指定轴数，默认axis=0代表列，axis=1代表行

copy：设置为True代表不在原数据集上修改，设置为False时，就地修改，存在如下情况时，即使设置为False时，也不会就地修改

①X不是浮点值数组

②X是稀疏且missing_values=0

③axis=0且X为CRS矩阵

④axis=1且X为CSC矩阵

statistics_属性：axis设置为0时，每个特征的填充值数组，axis=1时，报没有该属性错误

打印X的效果：