室内运动分类竞赛—EDA(数据探索性分析)
step1 导入包
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matploylib inline
step2 导入数据
df_train=pd.read_csv('train.csv')
df_train.head()
step3 查看数据形状(行数列数缺失值情况)
df_train.shape
df_train.isnull()
df_train['CLASS'].value_counts()
step4 查看时间序列数据最大最小值
tmp=df_train[df_train.columns.difference(['ID','CLASS'])]
df_sta={'max':[],'min':[],'mean':[],'std':[]}
for i in range(len(tmp)):
df_sta['max'].append(np.max(tmp.iloc[i]))
df_sta['min'].append(np.min(tmp.iloc[i]))
df_sta['mean'].append(np.mean(tmp.iloc[i]))
df_sta['std'].append(np.std(tmp.iloc[i]))
df_sta=pd.DataFrame(df_sta)
pd.set_option('max_raw',300)
step5 画图查看不同类型时间序列的特征
num=1
df_class1=tmp[df_traim.CLASS==1]
df_class0=tmp[df_train.CLASS==0]
r_choice1=np.random.choice(len(df_class1),num)
r_choice2=np.random.choice(len(df_class2),num)
plt.figure(dpi=200)
plt.plot(df_class1.iloc[r_choice1].T)
plt.plot(df_class0.iloc[r_choice0].T)
知识点整理
1.difference(columns_names)得到dataframe中除了columns_names之外的所有变量
wine[wine.columns.difference(['quality', 'type', 'is_sample'])].columns
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/3ad4620d25458aced91a0193e5e67536.png)
2.np.random.choice()得到dataframe中除了columns_names之外的所有变量
numpy.random.chioce(a,size=None,replace=True,p=None)