一、竞赛介绍
网址：http://www.dcjingsai.com/common/cmpt/“达观杯”文本智能处理挑战赛_竞赛信息.html
任务：建立模型通过长文本数据正文(article)，预测文本对应的类别(class)
数据：包含两个csv文件
1、train_set.csv：此数据集用于训练模型，每一行对应一篇文章。文章分别在“字”和“词”的级别上做了脱敏处理。共有四列： 第一列是文章的索引(id)，第二列是文章正文在“字”级别上的表示，即字符相隔正文(article)；第三列是在“词”级别上的表示，即词语相隔正文(word_seg)；第四列是这篇文章的标注(class)。 注：每一个数字对应一个“字”，或“词”，或“标点符号”。“字”的编号与“词”的编号是独立的！
2、test_set.csv：此数据用于测试。数据格式同train_set.csv，但不包含class。 注：test_set与train_test中文章id的编号是独立的。
评分标准：
binary-classification
采用各个品类F1指标的算术平均值，它是Precision 和 Recall 的调和平均数。
其中，Pi是表示第i个种类对应的Precision， Ri是表示第i个种类对应Recall。
二、数据初识
使用pandas的read_csv方法读取数据
打印出train_data的前十条数据：
打印出test_data的前十条数据：
打印出文件的信息：
检测数据是否有空值：
划分训练集和验证集：
打印训练集和验证集的信息：
参考博客：
https://blog.csdn.net/weixin_38966454/article/details/89046445