机器学习过程步骤总结

载入数据

导入类库、类和方法以及载入数据集

导入类库、类和方法

导入语法：
from … import … as …
from … import …
import … as …
import …

载入数据集

数据集一般存储为csv文件，使用pandas的read_csv读取数据
DataFrame pandas.read_csv函数部分参数介绍：
filepath_or_buffer：url或者文件路径；
sep : str, default ‘,’指定分隔符。如果不指定参数，则会尝试使用逗号分隔；
delimiter : str, default None定界符，备选分隔符（如果指定该参数，则sep参数失效）；
delim_whitespace : boolean, default False. 指定空格(例如’ ‘或者’ ‘)是否作为分隔符使用，等效于设定sep=’\s+’。如果这个参数设定为Ture那么delimiter 参数失效；
skip_blank_lines=True，忽略注释行和空行
header : int or list of ints，指定用作列名的行号，也表示数据的开头。默认行为是推断列名，如果没有传递列名即names参数，则行为与header=0相同，并且从文件的第一行推断列名，如果显式传递列名即names参数，则行为与header=None相同。
names : array-like, default None 要使用的列名列表，此列表中不允许有重复项。如果文件包含标题行，则应显式传递header=0，用names覆盖列名数据从第二行开始读取，如果数据文件中没有列标题行，则应执行header=None；
usecols: array-like, default None返回一个数据子集，该列表中的值必须可以对应到文件中的位置（数字可以对应到指定的列）或者是字符传为文件中的列名。例如：usecols有效参数可能是 [0,1,2]或者是 [‘foo’, ‘bar’, ‘baz’]。
na_values：取值类型，标量，str, list-like, or dict，要识别为NA/NaN的其他字符串。默认情况下，以下值被解释为NaN:“，”N/A“，”N/A N/A“，”NA“，”-1.#IND“，”-1.#QNAN“，”NaN“，”-NaN“，”1.#IND“，”1.#QNAN“，”NA>“，”N/A“，”NA“，”NULL“，”NaN/A“，”NaN“，”NULL“。
keep_default_na：bool，default True，解析数据时是否包含默认的NaN值
na_filter:布尔，默认为True
检测缺少的值标记（空字符串和na_values值指定的值）。在没有任何NAs的数据中，传递na_ filter=False可以提高读取大文件的性能。
请注意，如果na_filter作为False传入，则keep_default_na和na_values参数将被忽略。

返回值：DataFrame

数据理解

查看数据

pandas的DataFrame对象提供了很多方法
数据列：data.columns
数据类型：data.dtypes
数据信息：data.info()
数据维度：data.shape
按行查看数据
data.head(10)
data.tail()
使用列名查看数据
data[‘列名’]
data[[‘列名1’,‘列名2’,…]]
布尔索引：使用与DataFrame索引长度相同的布尔向量从DataFrame中选择行查看 df[[True,False…]]
loc：通过⾏标签或列标签获取指定⾏、列数据
data.loc[[行]，[列]] 行、列标签
iloc : 通过行索引或列索引获取⾏数据
data.iloc[[行]，[列]] 行、列索引
il