我的编程空间,编程开发者的网络收藏夹
学习永远不晚

头歌:数据预处理之数据清洗

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

头歌:数据预处理之数据清洗

本关任务:完成泰坦尼克号遇难数据的清洗。

 

案例背景

泰坦尼克号遭遇的灾难震惊世界,如何避免灾难甚至预测灾难呢? 要实现首先要做好泰坦尼克号的损失数据统计,才能为数据分析打下基础。

编程要求

根据提示,你需要完成:

  • 缺失值填充
  • 离群点检测
import numpy as np  import pandas as pd  #读取数据  df=pd.read_csv('/data/workspace/myshixun/step1/train.csv')##### begin #####  #查看列中是否存在空值  temp=df.isnull().any()   print(temp)#使用SimpleImputer取出缺失值所在列的数值,sklearn当中特征矩阵必须是二维才能传入 使用reshape(-1,1)升维  age=df['Age'].values.reshape(-1,1)    #导入模块  from sklearn.impute import SimpleImputer   #实例化,均值填充,可改变strategy参数,实现其他填充方式  imp_mean=SimpleImputer(missing_values=np.nan,strategy='mean')    #fit_transform一步完成调取结果  imp_mean=imp_mean.fit_transform(age)   #填充好的数据传回到 data['Age']列  df_fillna=df  df_fillna['Age']=imp_mean  #检验是否还有空值,为0即说明空值均已被填充  print(df_fillna['Age'].isnull().sum())  ##### end #####    imp_mean=SimpleImputer(missing_values=np.nan,strategy='mean')    imp_mean=imp_mean.fit_transform(age)       df_fillna=df  df_fillna['Age']=imp_mean  #正太分布离群点检测  ##### begin #####  #计算均值  u=df['Age'].mean()   #计算标准差  std=df['Age'].std()   #识别异常值  error = df[np.abs(df['Age'] - u) > 3 * std ]   ##### end #####  print(error)  

来源地址:https://blog.csdn.net/qq_63438638/article/details/128165355

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

头歌:数据预处理之数据清洗

下载Word文档到电脑,方便收藏和打印~

下载Word文档

猜你喜欢

python数据清洗系列之字符串处理详解

前言 数据清洗是一项复杂且繁琐(kubi)的工作,同时也是整个数据分析过程中最为重要的环节。有人说一个分析项目80%的时间都是在清洗数据,这听起来有些匪夷所思,但在实际的工作中确实如此。数据清洗的目的有两个,第一是通过清洗让数据可用。第二是
2022-06-04

利用ChatGPT进行数据清洗处理

最近chatgpt非常火,通过chatgpt可以做很多事情,笔者也通过实际使用解决了自己的问题,都基本不用自己编程。

R语言怎么进行文本数据清洗和预处理

在R语言中进行文本数据清洗和预处理通常涉及以下步骤:文本数据导入:使用适当的函数(如readLines()、read.csv()等)将文本数据导入R环境中。去除无用字符:使用gsub()函数或stringr包中的函数去除文本中的无用字符,如
R语言怎么进行文本数据清洗和预处理
2024-03-04

触发器在数据清洗与预处理中的自动化

触发器在数据清洗与预处理中的自动化应用主要体现在数据库层面,通过在特定事件发生时自动执行预定义的操作,从而提高数据处理的效率和准确性。以下是关于触发器在数据清洗与预处理中自动化的详细介绍:触发器的定义和作用触发器是一种数据库对象,能够在
触发器在数据清洗与预处理中的自动化
2024-09-26

高效的数据处理利器:pandas的数据清洗方法

数据清洗利器:pandas的高效处理方法引言:随着大数据时代的到来,数据的处理变得愈发重要,尤其是在数据科学和数据分析领域。在这些场景下,数据通常是杂乱无章的,需要进行清洗和整理,才能有效地进行分析和建模。而pandas作为Python中
高效的数据处理利器:pandas的数据清洗方法
2024-01-24

通过使用pandas来探讨数据清洗和预处理的技巧

利用pandas进行数据清洗和预处理的方法探讨引言:在数据分析和机器学习中,数据的清洗和预处理是非常重要的步骤。而pandas作为Python中一个强大的数据处理库,具有丰富的功能和灵活的操作,能够帮助我们高效地进行数据清洗和预处理。本文
通过使用pandas来探讨数据清洗和预处理的技巧
2024-01-13

如何在Python中进行数据清洗和处理

如何在Python中进行数据清洗和处理数据清洗和处理是数据分析和挖掘过程中非常重要的一步。清洗和处理数据可以帮助我们发现数据中的问题、缺失或异常,并且为后续的数据分析和建模提供准备。本文将介绍如何使用Python进行数据清洗和处理,并提供具
2023-10-22

python 数据清洗之数据合并、转换、过滤、排序

前面我们用pandas做了一些基本的操作,接下来进一步了解数据的操作, 数据清洗一直是数据分析中极为重要的一个环节。 数据合并 在pandas中可以通过merge对数据进行合并操作。import numpy as np import pan
2022-06-04

Python 机器学习数据处理:如何有效清洗和准备数据

Python 机器学习数据处理中,数据清洗和准备是关键步骤,影响模型性能和结果准确性。本文介绍常用数据清洗技术和步骤,并提供代码示例,帮助您有效处理数据。
Python 机器学习数据处理:如何有效清洗和准备数据
2024-02-14

盘点数据处理工具,手把手教你做数据清洗和转换

原始数据本身没有用。为了使它实际有用,你需要准备它。

三个Python常用的数据清洗处理方式总结

这篇文章主要为大家详细介绍了python数据处理过程中三个主要的数据清洗说明,分别是缺失值/空格/重复值的数据清洗,感兴趣的小伙伴可以了解一下
2022-12-20

Python pandas数据预处理之行数据复制方式

本文详细介绍了PythonPandas中行数据复制的方法,包括:使用copy()方法创建数据帧副本,对其修改不影响原数据。使用loc属性复制行到新行或现有行。使用assign()方法添加新列或修改现有列,同时进行行复制。使用concat()方法连接数据帧,实现行复制。选择最佳方法取决于具体需求,如是否需要对副本修改、复制到特定位置或添加新列等。
Python pandas数据预处理之行数据复制方式
2024-04-02

编程热搜

  • Python 学习之路 - Python
    一、安装Python34Windows在Python官网(https://www.python.org/downloads/)下载安装包并安装。Python的默认安装路径是:C:\Python34配置环境变量:【右键计算机】--》【属性】-
    Python 学习之路 - Python
  • chatgpt的中文全称是什么
    chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列
    chatgpt的中文全称是什么
  • C/C++中extern函数使用详解
  • C/C++可变参数的使用
    可变参数的使用方法远远不止以下几种,不过在C,C++中使用可变参数时要小心,在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少,否则会产生访问越界,运气不好的话还会导致程序崩溃
    C/C++可变参数的使用
  • css样式文件该放在哪里
  • php中数组下标必须是连续的吗
  • Python 3 教程
    Python 3 教程 Python 的 3.0 版本,常被称为 Python 3000,或简称 Py3k。相对于 Python 的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.0 在设计的时候没有考虑向下兼容。 Python
    Python 3 教程
  • Python pip包管理
    一、前言    在Python中, 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具: easy_install  和  pip , 目前官方推荐使用 pip。    
    Python pip包管理
  • ubuntu如何重新编译内核
  • 改善Java代码之慎用java动态编译

目录