1.数据读取与介绍
- 导入相关库及模块
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import KFold
- 利用pandas进行数据读取,通过info()函数了解该数据的大致信息
file_name='data.csv'
data=pd.read_csv(file_name)
print('****该数据的大致信息如下****')
print(data.info())
- 打印前五行数据
data.head()
- 获取该数据的行数与列数
print('该数据共有{}条记录,{}个特征项'.format(data.shape[0],data.shape[1]))
输出为:该数据共有30697条记录,25个特征项
通过以上结果显示,我们得到:该数据在shot_made_flag字段上缺失值较多,且该字段为标签项,0表示未射入球门,1表示摄入球门,所以需删去shot_made_flag项为NaN的记录行。
data=data[data['shot_made_flag'].notnull()]
data.info()
2.特征数据可视化展示
- 将射球时相对于球门的位置(loc_x,loc_y),(lat,lon)在图形中展示出来
#设置画布大小
plt.figure(figsize=(12,12))
#画第一个子图
plt.subplot(121)
plt.title('the location of the shot')
plt.xlabel('loc_x')
plt.ylabel('loc_y')
plt.scatter(data['loc_x'], data['loc_y'], color='g', alpha = 0.02)
#画第二个子图
plt.subplot(122)
plt.title('the site of the shot')
plt.xlabel('longitude')#经度
plt.ylabel('latitude')#纬度
plt.scatter(data['lon']