原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
以家为家，以乡为乡，以国为国，以天下为天下。——《管子》
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
文档评论（0）