Kaggle--处理缺失值

本文介绍了处理Kaggle数据集中缺失值的方法,包括根据缺失百分比去除特征,绘制缺失值分布图,分类填充(如用最常见的值填充字符串类型,用均值填充数值类型),以及使用dropna方法。通过这些策略,可以有效处理数据预处理中的缺失值问题。
摘要由CSDN通过智能技术生成

一:按缺失百分比去除缺失值过多的特征

#缺失超过77%的特征被去除
many_null_cols = [col for col in train_x.columns if train_x[col].isnull().sum() / train_x.shape[0] > 0.77]
many_null_cols_test = [col for col in test.columns if test[col].isnull().sum() / test.shape[0] > 0.77]

cols_to_drop = list(set(many_null_cols))
cols_to_drop_test = list(set(many_null_cols_test))

train_x = train_x.drop(cols_to_drop, axis=1)
test_x = test_x.drop(cols_to_drop, axis=1)

二:绘制数据集缺失百分比图

def describe_missing_values(df):
    na_percent = {}
    N = df.shape[0]
    for column in df:
        na_percent[column] = df[column].isnull().sum() * 100 / N

    na_percent = dict(filter(lambda x: x[1] != 0, na_percent.items()))
    plt.bar(range(len(na_percent)), na_percent.values())
    plt.ylabel('Percent')
    plt.xticks(range(len(na_percent)), na_percent.keys(), rotation='vertical')
    plt.show()

print
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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