数据挖掘项目--数据处理

 

import pandas as pd
from sklearn.model_selection import train_test_split


# 1、导入数据
df = pd.read_csv('data.csv',encoding='gbk') #utf-8格式乱码,设置为gbk才能成功导入

# 2、查看数据类型
print(df.dtypes) #特征太多,这种方式在pycharm上的显示不全,是否有其它方法

# 3、删除无关特征
data = df.drop(['trade_no','bank_card_no','source','id_name','reg_preference_for_trad'],axis=1) #几线城市与预测逾期关系不大?

# 4、删除前后的行列数 
print(df.shape) 
print(data.shape)

# 5、将object类型转换成datatime类型
data['loans_latest_time'] = pd.to_datetime(df['loans_latest_time'],format='%Y-%m-%d %H:%M:%S')
data['latest_query_time'] = pd.to_datetime(df['latest_query_time'],format='%Y-%m-%d %H:%M:%S')

# 6、缺失值处理
# 6.1 查看哪一列含有缺失值
print(data.isnull().any())

# 6.2、尝试用删除含有缺失值的行
cleaned_data = data.dropna()
print(cleaned_data.shape)

# 6.3 含有缺失值的行太多,丢失太多数据,选用填充均值的方式
data = data.fillna(data.mean())

# 6.4查看处理缺失值后的数据
print(data.isnull().any())

# 7、描述统计
print(data.describe())

# 8、训练集、测试集
data['lable'] = data['status']
data = data.drop(['status'],axis=1)

x = data.iloc[1:,2:]
y = data.iloc[1:,-1:]

print(x.shape)
print(y.shape)

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=2018)

 

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值