Kaggle教程 机器学习入门2 数据探索

转载请注明出处：https://leytton.blog.csdn.net/article/details/101166749
如果本文对您有所帮助，请点个赞让我知道哦 ?

《Kaggle教程 机器学习入门》系列课程目录
Kaggle教程 机器学习入门1 模型是怎样工作的
Kaggle教程 机器学习入门2 数据探索
Kaggle教程 机器学习入门3 你的第一个机器学习模型
Kaggle教程 机器学习入门4 模型验证
Kaggle教程 机器学习入门5 欠拟合与过拟合
Kaggle教程 机器学习入门6 随机森林
Kaggle教程 机器学习入门7 继续你的征程

1、使用Pandas熟悉数据

任何机器学习项目的第一步都是熟悉数据。你可以使用Pandas来实现。Pandas是数据科学家用来探索和操作数据的主要工具。大多数人在代码中将panda简写为pd，使用以下代码将其引用：

import pandas as pd

Pandas最重要的部分就是DataFrame了。DataFrame保存了类似表的数据类型，就像Excel中的工作表或SQL数据库中的表。
Pandas具有强大的函数来实现大部分你想要的数据操作。

举个例子，我们来看看澳大利亚墨尔本的房价数据。
数据文件路径在../input/melbourne-housing-snapshot/melb_data.csv。

我们使用以下命令来加载和查看数据：

# 文件路径
melbourne_file_path = '../input/melbourne-housing-snapshot/melb_data.csv'
# 读取并保存数据到DataFrame类型变量melbourne_data
melbourne_data = pd.read_csv(melbourne_file_path) 
# 打印数据概览
melbourne_data.describe()

2、数据描述详解

如上图所示，结果打印了8个数据。第一个count显示有多少个未缺失的数据。缺失值的产生有很多原因。例如，本身只有一间卧室的房子，就不会存在第二间卧室的数据。我们重回数据缺失的主题。

第二个值是mean，也就是平均值。std是标准偏差，它体现了数据分布情况。

min和 max 比较好理解，分别是指最小值和最大值；
25%, 50%, 75%是指，我们将数据从小到大排列，返回25%，50%，75%数据量时的数字。

3、去吧，皮卡丘

从这里开启你的编程实战吧~

原文：
https://www.kaggle.com/dansbecker/basic-data-exploration