基于数据类型的数据预pre-processing

只是自己的复习笔记，没打算让别人看懂

我知道的数据类型：

1.连续或离散型型数值

2.排序型或分类型

3.时间和空间坐标

4.文本型（暂时不管）

数据浅浅的可视化：

今天浅浅学了一招

dataset[].hist(figsize=()),能画出柱状图

数据处理方式：

我们一个一个来谈

数值型：

标准化：Minmaxscaler[0,1] standardscaler maxabsscaler[0,1]

正则化：normalizer(norm="L1"or"L2")

数据的二值化：Binarizer(threshold)

多值化：scipy.statas.rankdata（不如iloc编函数，找不来）

多项式：poly = PolynomialFeatures(2)

转换为6个特征，比如将两个特征 (X_1, X_2)，它的平方展开式便转换成5个特征(1, X_1, X_2, X_1^2, X_1X_2, X_2^2).

特征创建：如果有房子的总价格与面积，我们可以求得房价。

自己iloc，loc慢慢操作

什么情况下(不)需要归一化？

需要： 基于参数的模型或基于距离的模型，都是要进行特征的归一化。

不需要：基于树的方法是不需要进行特征的归一化，例如随机森林，bagging 和 boosting等。

排序型，分类型：

onehotcoder sklearn有函数，个人觉得不如pandas的痛快（get_dummies）

onehotencoder    还可以groupby   再增加变量数量与相互关系

时间类型：【Pandas】时间数据处理_胡桃的胡的博客-CSDN博客_pandas 处理时间

参考这位大佬的

空间类型：

自己iloc，loc好好搞

数据缺失的填补：

 sklearn：

imp = Imputer(missing_values='NaN'or'0', strategy='mean', axis=0)

imp.fit             imp.tranform()

pandas：

df.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)扔掉整个行列

df.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)   value和method不同时出现

df.isnull()   df.isna()   判断是不是缺失值