- 导入gc用来清理内存用的导入time和datetime用来处理时间用的
- 将三张表读入,分别命名
- 编写一个字典编码函数方便后续处理数据进行调用
- 对时间进行编码(选择性处理)
- 将测试集和训练集导出并进行内存清理(以防像上次一样电脑卡顿)
- 划分连续字段和离散字段
- 通过dtypes查看数据类型,将字符型离散字段进行字典排序编码
- 通过isnull(). sum()来找到每一列的缺失值,缺失少的列可以补为—对 多的列进行中位数或者众数或者方差进行补
- 对连续性字段的无穷值进行处理,用该列的最大值进行替换
- 去除重复数据
- 三表合一,只用一张表进行建模