python 分析数据及预处理用到的函数

train = pd.read_csv("../input/train.csv")

test = pd.read_csv("../input/test.csv")

train.describe(include="all")   //#查看数值型数据情况:

train.describe()    #查看字符型数据情况:

train.describe(include=['0'])     

pd.set_option('display.max_columns', None)  #显示所有列,解决输出的结果特别会在最后输出时用......代替的情况:

train.info()

train.head()  #总体预览

 

#查找NAN超过1000的列并删除
columns = [col for col in df.columns if df[col].isnull().sum() > 1000]
df = df.drop(columns, axis=1)

# 用平均值填充LotFrontage列的空值
df['LotFrontage'].fillna((df['LotFrontage'].mean()), inplace=True)

# No garage values means no year, area or cars
for col in ['GarageYrBlt', 'GarageArea', 'GarageCars']:
    df[col] = df[col].fillna(0)

# No garage info means you don't have one
for col in ['GarageType', 'GarageFinish', 'GarageQual', 'GarageCond']:
    df[col] = df[col].fillna('None')

# Fill no basement
for col in ['BsmtQual', 'BsmtCond', 'BsmtExposure', 'BsmtFinType1', 'BsmtFinType2']:
    df[col] = df[col].fillna('None')

# Fill remaining categorical and numerical cols with None and 0
cat_columns = df.select_dtypes('object').columns
num_columns = [i for i in list(df.columns) if i not in cat_columns]
df.update(df[cat_columns].fillna('None'))
df.update(df[num_columns].fillna(0))

# 用于检查是否含有空值  不含有则输出false,否则true
print(df.isnull().values.any())

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值