预测模型搭建和评估（基本操作） 先来简单介绍下这个几个库文件的作用吧！#可以显示一个字符串、显示一个 Pandas 数据框、显示一张图片、显示一段 HTML 代码#python数据可视化库#用于建立逻辑回归模型#用于建立树回归模型#交叉验证模型，可以使用各种交叉法分割出数据集，来评估模型拥有这些库文件，我们就可以开始搭建预测模型啦！
数据可视化 xheightwidth=0.8data=Nonestacked代表按比例，将两个列索引代表的值，显示在一个柱子上这里解释下：对于groupy分组操作进行完成后，得到的是一个类dataframe的groupy类型数据，进行count操作后，数据变为series类型，unstack操作过后，数据变为dataframe类型！
2.pandas 的数据清洗及特征处理 缺失值：我们拿到的数据通常是不干净的，所谓的不干净，就是数据中有缺失值，有一些异常点等，需要经过一定的处理才能继续做后面的分析或建模，所以拿到数据的第一步是进行数据清洗，即缺失值、重复值、字符串和数据转换等操作，将数据清洗成可以分析或建模的样子。如果可能的话，要放下什么的 item->dtype 的字典， 或字符串“infer”，它将尝试向下转换为适当的 相等类型（例如，如果可能，则将 float64 更改为 int64）。如果 ，则生成的轴将被标记为 0， 1， ...， n - 1。
1.1pandas的各种数据及其操作 DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。它的本质就是将文本分成若干块，每次处理chunksize行的数据，最终返回一个TextParser对象，对该对象进行迭代遍历，可以完成逐块统计的合并处理。Series 是 Pandas 中的一种基本数据结构，类似于一维数组或列表，但具有标签（索引），使得数据在处理和分析时更具灵活性。
关注
