python预处理实例_Python----数据预处理代码实例

本文实例为大家分享了Python数据预处理的具体代码，供大家参考，具体内容如下

1.导入标准库

import numpy as np

import matplotlib.pyplot as plt

import pandas as pd

2.导入数据集

dataset = pd.read_csv('data (1).csv') # read_csv：读取csv文件

#创建一个包含所有自变量的矩阵，及因变量的向量

#iloc表示选取数据集的某行某列；逗号之前的表示行，之后的表示列；冒号表示选取全部，没有冒号，则表示选取第几列；values表示选取数据集里的数据。

X = dataset.iloc[:, :-1].values # 选取数据，不选取最后一列。

y = dataset.iloc[:, 3].values # 选取数据,选取每行的第3列数据

3.缺失数据

from sklearn.preprocessing import Imputer #进行数据挖掘及数据分析的标准库，Imputer缺失数据的处理

#Imputer中的参数：missing_values 缺失数据，定义怎样辨认确实数据，默认值：nan ;strategy 策略，补缺值方式 ： mean-平均值 ， median-中值 ， most_frequent-出现次数最多的数 ； axis =0取列 =1取行

imputer = Imputer(missing_values = 'NaN', strategy