3.记录型变量

概念 接受表中的一整行记录,相当于Java中的一个对象 语法:变名称表名%ROWTYPE,例1: v,emp emp%rowtype;

————————————————————————————————————————————
– Created on 2019/10/11 by WANGK
–直询emp表中7839号员工的个人信息,打印姓名和薪水
declare
–记入类型变量接受一行
v_emp emp%rowtype;
begin
–查询名字和薪水并赋值给变量
–记录型变量默认接受表中的一行数据,不能指定字段

select * into v_emp from emp where empno = 7839;
–打印变量,通过变量名.属性的方式获取变量中的值
dbms_output.put_line(‘姓名:’ || v_emp.empno || ‘,薪资:’ || v_emp.sal);
end;
————————————————————————————————————————————

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
感谢您的提问!以下是我的回答: 1. 您的问题是机器学习实验中数据清洗的步骤,请问有什么具体的问题需要我解答吗? 2. 获取数据后,需要进行整体去重,确保数据集中不存在重复的记录。 3. 对于整体查看数据类以及缺失情况,可以使用 pandas 库中的 info() 方法,可以查看数据集中每个变量的数据类以及缺失值的情况。 4. 删除缺失率过高的变量,可以根据具体情况进行处理,通常会将缺失率超过某个阈值的变量删除。 5. 删除不需要入模的变量,可以根据业务需求进行处理,通常会删除与目标变量相关性较低的变量。 6. 删除文本变量,有缺失值行,可以根据具体情况进行处理,通常会删除缺失值较多的文本变量。 7. 修复变量,可以使用 pandas 库中的 astype() 方法,将变量的数据类进行转换。 8. 变量数据处理方式划分,可以根据不同变量的特点,选择合适的数据处理方式,如数值变量可以进行标准化或归一化处理,类别变量可以进行独热编码处理等。 9. 训练集测试集划分,可以使用 sklearn 库中的 train_test_split() 方法,将数据集划分为训练集和测试集,通常比例为 7:3 或 8:2。 10. 拼接数据处理流水线,将以上步骤整合成一个数据处理流水线,可以使用 sklearn.pipeline 中的 Pipeline 类进行实现。 希望以上回答能够帮助到您,如有其他问题,欢迎继续提问!

“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 1
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