利用python对包含离散型特征和连续型特征的数据进行预处理

对数据预处理是进行数据分析的基础环节，数据预处理质量的高低往往能够对实验结果产生很大的影响，现在UCI上的人口调查收入数据集为例，演示如何使用python对该数据集进行预处理。该数据集中每个样本同时包含离散型特征和连续型特征。在进行预处理之前，将原数据集中的训练集部分和测试集部分合并，剔除了包含空值的样本后剩余45222个样本，将标签“>50K”记为1，“<=50K”记为0，并剔除了与抽样有关的特征fnlwgt。

相关文件的百度云下载地址为 链接：https://pan.baidu.com/s/18B7FB-oWETlcLmoF2Gg9vQ 密码：g4nd

从数据格式说明文件中我们可以知道数据集中每个字段的含义，我们可以看到：

1. 每个样本中包含13个特征和1个标签，其中8个离散型特征、5个连续型特征；
2. 8个离散型特征分别为：workclass、education、marital-status、occupation、relationship、race、sex、native-country；
3. 5个连续型特征分别为：age、education-num、capital-gain、capital-loss、hours-per-week

        使用sklearn.preprocessing模块，分别对样本中包含的离散型特征和连续型特征进行处理。

1 对