You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.

66 lines
1.4 KiB

5 years ago
# 13.1 初步分析数据
这一步再熟悉不过了,可能会熟悉地让人心疼。但这又是数据挖掘非常重要也是必不可少的一步。
```python
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
datafr = pd.read_csv("./data.csv")
# 查看前10行数据到底长什么样子
datafr.head(10)
```
![](1.jpg)
![](2.jpg)
![](3.jpg)
![](4.jpg)
![](5.jpg)
![](6.jpg)
![](7.jpg)
![](8.jpg)
怎么样,是不是感觉有点懵,有这么多特征,还有一些缺失值。看来这个数据集并不是很好处理的样子。是的,我们需要一步一步脚印的来分析它。
还是按照惯例,看一下数据集有多少行多少列。
```python
print("Dimension of the dataset is: ",datafr.shape)
```
![](9.jpg)
总共 89 个特征!然后再看一下数据缺失的情况。
```python
# 统计出含有缺失值的特征的数量
datafr.isnull().sum().sort_values(ascending=False)
```
![](10.jpg)
![](11.jpg)
![](12.jpg)
总共 89 个特征,也就只有 13 个特征是完好无损的。不过值得庆幸的是,含有缺失值的特征们的缺失比例并不高,只有 Loaned From 这个特征的缺失严重。所以我们暂且可以认为这个特征没有什么用处,把它删掉就好了。
```python
# 删除Loaned From
datafr.drop('Loaned From',axis=1,inplace=True)
```