机器学习模型 知乎_机器学习【初探建模那些事儿】（二）

(一)使用pandas来看看数据先

任何机器学习项目的第一步都是熟悉数据，你将会使用到pandas库，pandas是数据科学家用于探索和操作数据的主要工具

大多数人在他们的代码中将pandas缩写为pd. 我们一般这么来使用

pandas库中最重要的部分是DataFrame。 DataFrame包含你可以认为是表的数据类型。 这类似于Excel中的工作表或SQL数据库中的表。

pandas提供了强大的功能来操作此类数据类型

在这个案例里，我们将查看澳大利亚墨尔本的房价数据。 在动手练习中，你将会把相同的流程应用于新的数据集，该数据集有爱荷华州的房价。

(二)数据描述

结果显示原始数据集中每列的8个指标。 第一个指标(count)显示有多少行具有非缺失值。

缺失值的出现有许多原因。 例如，在调查单卧室房屋时，不会收集第二间卧室的大小。 我们后面会有关于缺失数据的主题。

第二个指标是平均值，即average。 在此之下，std是标准差，能反映一个数据集的离散程度。

要解释最小值，25％，50％，75％和最大值，请设想将每列从最低值到最高值进行排序。 第一个(最小)值是min。 如果你走过列表的四分之一，你会发现一个大于值的25％并且小于值的75％的数字。 这是25％的值。 第50和第75百分位数的定义类似，最大值是最大数字。