![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数分
Roy??
这个作者很懒,什么都没留下…
展开
-
DW数分Task02
1 缺失值观察 可以看到在上面的Cabin列存在NaN,那其他列还有没有缺失值,这些缺失值要怎么处理呢? 首先观察缺失值 (1) 请查看每个特征缺失值个数 df.info() #可以直接看到不缺失的值的数量 df.isnull().sum() # 统计缺失值的数量 单独提取 Age Cabin Embarked这三个特征 df[[‘Age’,‘Cabin’,‘Embarked’]].head(3) 2 对缺失值的处理 两种比较优劣 df[df[‘Age’] == np.nan] = 0 df[df[‘Ag原创 2020-08-22 10:05:01 · 124 阅读 · 0 评论 -
DW_数分任务1
import numpy as np import pandas as pd import os df = pd.read_csv('train.csv') df.head() PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin E原创 2020-08-16 13:44:45 · 262 阅读 · 0 评论