2021-6-23

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from IPython.display import Image

#读取训练数据集
train = pd.read_csv(‘C:/Users/L/Desktop/da_data/part3/train.csv’)
train.head()

缺失值填充

• 对分类变量缺失值：填充某个缺失值字符（NA)、用最多的类别进行填充
• 对连续变量缺失值：填充均值、中位数、众数

#对分类变量进行填充
train[‘Cabin’] = train[‘Cabin’].fillna(‘Na’)
train[‘Embarked’] = train[‘Embarked’].fillna(‘S’)
#对连续变量进行填充
train[‘Age’] = train[‘Age’].fillna(train[‘Age’].mean())
#检查缺失值的比例
train.isnull().mean()

编码分类变量

#取出所有输入特征
data = train[[‘Pclass’,‘Sex’,‘Age’,‘SibSp’,‘Parch’,‘Fare’,‘Embarked’]]
#进行虚拟变量的转换
data = pd.get_dummies(data)
data.head()