项目介绍数值的统计与分析数据处理特征值设置61课件.pptxVIP

二手车销售数据处理·项目介绍·数值的统计与分析·数据处理·特征值设置

学习目标了解掌握掌握掌握了解数据处理的过程12掌握特征值的添加设置能够使用特征求相关数据34能够对采集数据进行清洗

01项目介绍PartOne02数值处理PartTwo03数值统计与分析PartThree04特征值设置PartFour

01项目介绍

1-1任务由来思考：大家如果要买二手车的话，最关心的是什么指标呢？

1-2任务由来我们可以用数据清洗及特征值设定分析最影响二手车价格的指标是什么。结论

02数值处理

2-1采集数据展示思考：查看我们日常生活的二手车有什么指标？图1数据信息

2-2数据展示图2查看导入并查看数据df=pd.read_csv(./car_price.csv)df.head(3)

2-3空值处理图2查看空值数据df.isnull.sum()df.dropna(inplace=True)

2-4数据过滤处理df[engine]=df[engine].map(lambdax:float(x.split()[0]))df[engine].head(3)图3原数据图4过滤后的数据

2-5数据过滤处理df[mileage]=df[mileage].map(lambdax:float(x.split()[0]))df[mileage].head(3)df[max_power]=df[max_power].map(lambdax:float(x.split()[0]))df[max_power].head(3)图5过滤后的数据图6过滤后的数据

2-6数据过滤处理importredefparse_rpm(torque):torque=torque.replace(,,)returnmax([float(x)]forxinre.findall(\d+,torque)])df[torque]=df[torque].map(parse_rpm)df.head(3)图7过滤后的数据

03数值统计与分析

3-1除去无用数据df.drop(columns=[name],inplace=True)df.head(3)图8去除name后的数据

3-2数值统计与分析importseabornassnsimportmatplotlib.pyplotasplt%matplotlibinlineplt.figure(figsize=(8,8))sns.heatmap(df.corr(),annot=True)图9相关性结果

04特征值设置

4-1OneHot编码图10OneHot编码cat_columns=[fuel,seller_type,transmission,owner]fromsklearn.preprocessingimportOneHotEncoderoneHotEncoder=OneHotEncoder(drop=first)cat_features=oneHotEncoder.fit_transform(df[cat_columns]).toarray()cat_features

4-2去均值和方差归一化num_columns=[mileage,engine,max_power,torque,seats]fromsklearn.preprocessingimportStandardScalerstandarScaler=StandardScaler()num_features=standarScaler.fit_transform(df[num_columns])num_features图11去均值和方归一化

4-3特征值设置fx=np.hstack([cat_features,num_features])x图12特征值结果

4-4特征值设置y=df[selling_price].to_numpy()y图13特征值结果

作业显示影响汽车价格的前3参数

谢谢观看THANKYOU