数据预处理

1.导入

python中的三个库（Numpy、Matplotlib、Pandas）

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

读入数据集

dataset=pd.read_csv(data.csv)

创建矩阵保存自变量

X=dataset.iloc[:,:-1].values
#第一个：表示提取全部行，:-1表示提取除最后一列以外的所有列，.values提取所有值
Y=dataset.iloc[:,3].values
#提取最后一列，索引从0开始

2.处理缺失数据

填充缺失值，最常用的是用其所在列的均值来填充

from sklearn.preprocessing import Imputer
imputer=Imputer(missing_values=np.nan,strategy='mean',axis=0)
#利用scikit-learn预处理模型中的inputer类
imputer=imputer.fit(X[:,1:3])
#在数据缺失的列上拟合imputer
X[:,1:3]