机器学习100天-day1数据预处理

机器学习一百天学习笔记

原github：
https://github.com/Avik-Jain/100-Days-Of-ML-Code

中文版地址：

https://github.com/MLEveryday/100-Days-Of-ML-Code

参考：

https://blog.csdn.net/ssswill/article/details/86022051

day1数据预处理

一，导入库

import numpy as np
import pandas as pd

二，导入数据集

#导入数据集
dataset = pd.read_csv('D:\\100Days\datasets\Data.csv')
#print(dataset)
X = dataset.iloc[ : , :-1].values
print(X)
#提取列数据，前面的:表示提取所有行，后面的为切片，提取1到倒数第二列
Y = dataset.iloc[ : , 3].values
print(Y)

View Code

　　loc是显式索引，iloc是隐式索引（左闭右开），

　　.values把dataframe转为np数组，X,Y为

[['France' 44.0 72000.0]
 ['Spain' 27.0 48000.0]
 ['Germany' 30.0 54000.0]
 ['Spain' 38.0 61000.0]
 ['Germany' 40.0 nan]
 ['France' 35.0 58000.0]
 ['Spain' nan 52000.0]
 ['France' 48.0 79000.0]
 ['Germany' 50.0 83000.0]
 ['France' 37.0 67000.0]]
['No' 'Yes' 'No' 'No' 'Yes' 'Yes' 'No' 'Yes' 'No' 'Yes']

　　把df转为np二维数组

三，处理丢失数据

　　方法一：按照原网站方法

#处理丢失数据
from sklearn.preprocessing import Imputer
imputer = Imputer(missing_values="NaN",strategy="mean",axis=0)
imputer = imputer.fit(X[ : ,1:3])
X[ : , 1:3] = imputer.transform(X[ : , 1:3])