Numpy学习
数据的处理
import pandas as pd import numpy as np data = pd.read_csv("/Users/currystephen/Desktop/数据挖掘/Python数据分析与挖掘实战(第2版)/chapter7/demo/data/air_data.csv") #判断是否存在缺失值 data_isnull = pd.isnull(data) #对每个数值进行判断 ,出现False代表有值 data_any = np.any(pd.isnull(data)) #全数据判断:有一个True,返回True 说明有缺失值 print(data_any) #等同于pd.notnull(data) np.all(pd.notnull(data)) 返回False说明有缺失值 #只用pandas data_pd = pd.isnull(data).any() #判断每一列是否存在缺失值 False说明没有缺失值 True反之 print(data_pd) #同理等于= pd.notnull(data).all() #False说明有缺失值 与上面相反 #缺失值处理 #1.删除缺失值 data1 = data.dropna() #删除含有NA值的一整行数据 默认dropna(inplace=False) Flase不会修改原数据 True会修改原数据 data_pd1 = pd.isnull(data1).any() #将返回全False 表示data1没有缺失值 #2.替换缺失值 12行判断出 GENDER 、WORK_CITY 、WORK_CITY 、WORK_COUNTRY 、AGE 、SUM_YR_1 、SUM_YR_2 中含有缺失值 a = data["AGE"].fillna(data["AGE"].mean(),inplace=True) data_pd = pd.isnull(data['AGE']).any() #判断是否有缺失值 print(data["WORK_CITY"]) #其他异常值处理 data_new = data.replace(to_replace=".",value=np.nan) #将其他异常值替换成空值NaN print(data_new["WORK_CITY"]) #然后在对空值进行处理 与上面一样 data1 = data_new.dropna(inplace=True) print(data_new["WORK_CITY"]) #实现数据离散化 sr = pd.qcut(data["AGE"],4) #对数据中"AGE"一列数值进行自动分组 分4组 counts = sr.value_counts() #对四组分组各个多少个计数 print(counts) print(sr) #转化城one_hot one_hot = pd.get_dummies(sr,prefix="年龄") print(one_hot) #自定义分组 bins = [6,35,41,48,110] cut = pd.cut(data["AGE"],bins) one_hot1 = pd.get_dummies(cut,prefix="年龄") print(cut) print(one_hot1)