机器学习训练营

最新推荐文章于 2022-03-09 10:22:11 发布

welshd

最新推荐文章于 2022-03-09 10:22:11 发布

阅读量332

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/welshd/article/details/113460271

版权

数据分析幸福感性别分布 Seaborn 缺失值处理

关键词由CSDN通过智能技术生成

机器学习专栏收录该内容

2 篇文章 0 订阅

订阅专栏

机器学习训练营:Task04快来一起挖掘幸福感

- 数据分析

数据分析

train_abbr = pd.read_csv(‘data/happiness_train_abbr.csv’)
train_abbr.describe()
8000 rows × 42 columns
test_abbr = pd.read_csv(‘data/happiness_test_abbr.csv’)
test_abbr.head()
2968 rows × 41 columns

#不同幸福感分布情况
train_abbr[‘happiness’].value_counts().plot.pie()

#不同性别幸福感分布情况
import seaborn as sns
sns.countplot(‘gender’,hue= ‘happiness’,data=train_abbr)

df_all = pd.concat((train_abbr,test_abbr),axis=0)

#处理缺失值-查看缺失值
total =df_all.isnull().sum().sort_values(ascending=False)
percent= (df_all.isnull().sum()/df_all.isnull().count()).sort_values(ascending=False)
missing_data= pd.concat([total,percent],axis=1,keys=[‘total’,‘percent’])
missing_data[missing_data[‘percent’]>0]