在学习了一段时间的pandas后,我们需要练习一些案例来巩固我们的实操能力。今天带来的是我在学习pandas和决策树时使用过的一个肝炎数据集,讲的内容主要涉及到:利用pandas处理缺失值、构建决策树等机器学习的相关知识。
首先和大家分享一下数据:
链接:
https://pan.baidu.com/s/15gdftmUHVbkh4dA79eNsjQpan.baidu.com提取码:jmx7
下面开始我们的实例学习之路~
一、了解数据集
(1)将文件导入我们的python中。(我用的是jupyter notebook )
import numpy as np
import pandas as pd
df = pd.read_excel(r'C:UsersAdministratorDesktopdata_feiyan.xlsx',encoding='utf-8')
导入成功~
(2)查看数据的信息
data.head() #查看数据前五行
data.tail() #查看数据后几行
data.shape #查看数据的大小(几行几列),查看矩阵或数组的维数
http://data.info( ) #查看数据信息(数据类型。缺失值)
data.describe() #观察数据的描述性统计信息,观察是否有异常值
1、先用head()看看数据长什么样:
df.head().T
注:由于列数较多,因此我们打印前5行的时候用(.T)转置了一下,从上面的结果可以看到,数据集中出现了较多的“?”。
出现“?”的情况,应该是由于数据缺失,然后在Excel表格中被默认写成“?”的形式,因此在进行实验之前,我们需要把“?”重新表现成缺失值的样子。
2、使用replace()函数将“?”转换成缺失值。
df.replace('?',np.nan,inplace=True)
</