数据分析关键代码汇总.pdfVIP

头部引⼊

importpandasaspd

importnumpyasnp

importmatplotlib.pyplotasplt

%matplotlibinline

importseabornassns

importwarnings

warnings.filterwarnings()

importmissingnoasmso

importpandas_profiling

#前期设置

pd.set_option(,100)

#数据读取

data_init=pd.read_csv(训练数据,encoding=)

#预处理

#1.查看单个值得数量

data_filer[].unique()

#2.查看所有列

list(data_filer.columns)

#数据类型转换

data_filer[[RamUsage,CpuUsage,VideoTotleTraffic]]=data_filer[[RamUsage,VideoTotleTraffic]].apply(pd.to_numeric,errors=)

#删除列

data_filer=data_filer.dropna(subset=[])

#缺失值处理

ms.matrix(data_filer)

RX=np.mean(data_filer[])

data_filer[].fillna(RX,inplace=True)

#各个属性之间的关系

data_filer.corr()

#one-hot编码

X_City=pd.get_dummies(X[])

X=pd.concat([X,X_City],axis=1)

X=X.drop([],axis=1)

#时间处理

data_filer[]=data_filer[].astype(np.datetime64)

X[]=X[].apply(lambdax:x.year)

X[]=X[].apply(lambdax:x.month)

X[]=X[].apply(lambdax:x.day)

X[]=X[].apply(lambdax:x.hour)

X[]=X[].apply(lambdax:x.minute)

X_data=X.drop([],axis=1)

#单独列的处理

#排序

data2=data_base[data_base[]==data_base[]].sort_values(by=)

importre

deff(x):

try:

str=re.search(,x)

ifstr:

returnstr.group()

else:

str2=re.search(,x)

ifstr2:

returnstr2.group()

else:

return

except:

return

data_pho[]=data_pho[].apply(f)

#Age列处理

#处理Age列以及Series的逐个访问

Age_Pre=data[[,