NumPy :一个用Python实现的科学计算包
1. 一个强大的N维数组对象Array
2. 快速的数学运算阵列
3. 实用的线性代数、傅里叶变换和随机数生产函数
pandas : 解决数据分析的数据分析包
1. 处理缺失数据
2. 可以让数据规范化、明确化
3. 数据分割、合并
4. 加载Excel文件(xxx.csv),数据库和保存/加载数据从超速 HDF5格式
5. 生成日期范围和频率转换,移动窗口统计,线性回归移动窗口,日期转移和滞后等。
sklearn.preprocessing:数据预处理
这里主要用来处理缺失数据(常用的三种方法)
删除 :最简单最直接的方法,很多时候也是最有效的方法,这种做法的缺点是可能会导致信息丢失。
补全 :平均数、中位数、众数、最大值、最小值、固定值、插值等等。用规则或模型将缺失数据补全,这种做法的缺点是可能会引入噪声
忽略 :有一些模型,如随机森林,自身能够处理数据缺失的情况,在这种情况下不需要对缺失数据做任何的处理,这种做法的缺点是在模型的选择上有局限。
Imputer :sklearn.preprocessing中的一个类,提供了基本的策略将缺失值(NaN/nan),使用均值、中值或最常见的价值缺失值的行或列
LabelEncoder :对不连续的数字或者文本进行编号
OneHotEncoder:用于将表示分类的数据扩维
OneHotEncoder 输入必须是int数组,把类别数据转换成多列0,1数据。
LabelEncoder,把数据转化成int整形
源数据 Da