当一个列是小数需要转化位整型时候
train_data['Age'] = train_data['Age'].astype(int)
图形化,可视化代码 sns.countplot(x="",hue="", data=train_data)
x:这个参数指定了计数图的横轴(x轴)变量。它通常是你想要计数的分类变量。例如,如果你想要计算不同年龄段的人数,那么你可以设置 x="Age"
。这将按照 Age
列的值来分组数据,并在x轴上显示每个组的计数。
hue:这个参数指定了计数图的着色变量,通常用于表示另一个分类维度。通过 hue
参数,你可以在同一个图中比较不同类别的计数。例如,如果你想要比较男性和女性在不同年龄段的分布,你可以设置 hue="Sex"
。这将在条形图中为每个性别着上不同的颜色,使得比较更加直观。
有空再写,下面是代码分享
补充数据处理:
LabelEncoder用于将分类特征(标签)转换为数值型标签。这是预处理分类数据的重要步骤,因为大多数机器学习算法需要数值型输入。
from sklearn.preprocessing import LabelEncoder
for col in cat_cols:
combined_data[col] = LabelEncoder().fit_transform(combined_data[col])
还有可能遇到浮点的数据需要处理那就用StandardScaler
来标准化数值特征
from sklearn.preprocessing import StandardScaler
for col in num_cols:
combined_data[col] = StandardScaler().fit_transform(combined_data[[col]])
注意输入为二维数组而不是之前一维
查看缺省值
column_missing_values = train_data.isnull().sum()
print(column_missing_values)