课程: Python 机器学习基础
今天就开通帐号，24,700 门业界名师课程任您挑！
加载与探索数据
接下来，我们进入机器学习项目中 最基础也是最重要的一步， 数据加载和初步探索。 首先，我们可以选择新建一个代码块。 点击“代码”。 这样一来，我们就有两个不同的代码块。 这就是 Notebook 优越性的一个地方。 我们可以分阶段运行每一个步骤， 并且及时查看每一步的结果。 我们可以点击“运行”来加载这些库。 看到这个打勾，说明我们已经加载完毕了。 接下来，我们输入。 这行代码是我们将本地的一个 CSV 文件 读入为一个 Pandas 的 DataFrame 对象， 并赋值给变量 df。 这个 df 是一个常见的变量名， 也就是 DataFrame 的一个简写， 就是表格型数据。 pd.read_csv， 这是 Pandas 中常用的一个函数， 用于从本地路径 加载 CSV 格式的数据文件。 而 CSV 是一种 非常常见的数据交换格式， 每一行代表一条记录， 每一列之间用逗号隔开。 读取成功之后， 我们就可以对这个 df 进行各种数据分析还有处理操作了。 下面我们可以来做一些基础的数据探索操作。 我们输入这行代码， “df.head()”。 这个函数会显示数据集的前 5 行， 默认是 5 行。 我们也可以通过传参来指定函数。 例如，在括号中输入“10”。 这样，我们就可以快速了解 每一列的列名、数据类型 以及数据值的大致样子。 在实际工作中， 这一步通常是我们对数据第一印象的来源。 我们可以运行一下这个代码块。 可以看到它输出了数据集的前 5 行信息。 我们可以通过这些信息 来看到这个数据的整体结构， 包括年龄、收入、婚姻状况、 孩子数量、是否有房子 以及预算和购买意向。 接下来我们再新建一个代码块。 我们输入“df.info()”。 这个函数， 可以帮助我们快速了解数据的结构信息， 包括总共有多少行、多少列， 每一列的数据类型， 比如整型、浮点型还有字符串型， 以及每一列是否有缺失值， 这是判断数据是否干净的第一步。 我们可以运行看看。 可以看到，这个数据集一共有 7 列。 这里还列出了 每一列的列名和非零数据的个数。 我们可以看到在“income”这一列， “收入”这一列， 只有 184 个数据，是有一些缺失的。 移最后， 我们可以看到每一列数据的数据类型， 包括整型，浮点型等等。 接下来我们可以再新建一个代码块。 我们输入“df.describe()”。…
下载课程离线学习
下载课程到移动设备，轻松离线学习。在领英学习 iOS 或安卓版 APP 下载课程