本篇文章给大家带来的内容是关于python中数据预处理（代码），有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。
1、导入标准库
import numpy as npimport matplotlib.pyplot as pltimport pandas as pd
登录后复制
2、导入数据集
dataset = pd.read_csv('data (1).csv') # read_csv：读取csv文件#创建一个包含所有自变量的矩阵，及因变量的向量#iloc表示选取数据集的某行某列；逗号之前的表示行，之后的表示列；冒号表示选取全部，没有冒号，则表示选取第几列；values表示选取数据集里的数据。X = dataset.iloc[:, :-1].values # 选取数据，不选取最后一列。y = dataset.iloc[:, 3].values # 选取数据,选取每行的第3列数据
登录后复制
3、缺失数据
from sklearn.preprocessing import Imputer #进行数据挖掘及数据分析的标准库，Imputer缺失数据的处理#Imputer中的参数：missing_values 缺失数据，定义怎样辨认确实数据，默认值：nan ;strategy 策略，补缺值方式 ： mean-平均值 ， median-中值 ， most_frequent-出现次数最多的数 ； axis =0取列 =1取行 imputer = Imputer(missing_values = 'NaN', strategy = 'mean', axis = 0)imputer = imputer.fit(X[:, 1:3])#拟合fitX[:, 1:3] = imputer.transform(X[:, 1:3])
登录后复制4、分类数据
from sklearn.preprocessing import LabelEncoder,OneHotEncoderlabelencoder_X=LabelEncoder()X[:,0]=labelencoder_X.fit_transform(X[:,0])onehotencoder=OneHotEncoder(categorical_features=[0])X=onehotencoder.fit_transform(X).toarray()#因为Purchased是因变量，Python里面的函数可以将其识别为分类数据，所以只需要LabelEncoder转换为分类数字labelencoder_y=LabelEncoder()y=labelencoder_y.fit_transform(y)
登录后复制
5、将数据集分为训练集和测试集
from sklearn.model_selection import train_test_splitX_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=0)#X_train（训练集的字变量）,X_test（测试集的字变量）,y_train（训练集的因变量）,y_test（训练集的因变量）#训练集所占的比重0.2~0.25，某些情况也可分配1/3的数据给训练集；train_size训练集所占的比重#random_state决定随机数生成的方式，随机的将数据分配给训练集和测试集；random_state相同时会得到相同的训练集和测试集
登录后复制6、特征缩放
#特征缩放（两种方式：一：Standardisation(标准化）；二：Normalisation（正常化））from sklearn.preprocessing import StandardScalersc_X=StandardScaler()X_train=sc_X.fit_transform(X_train)#拟合,对X_train进行缩放X_test=sc_X.transform(X_test)#sc_X已经被拟合好了，所以对X_test进行缩放时，直接转换X_test
登录后复制
7、数据预处理模板
立即学习“Python免费学习笔记（深入）”；
（1）导入标准库
（2）导入数据集
（3）缺失和分类很少遇到
（4）将数据集分割为训练集和测试集
（5）特征缩放，大部分情况下不需要，但是某些情况需要特征缩放
以上就是Python中数据预处理（代码）的详细内容，更多请关注【创想鸟】其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至253000106@qq.com举报，一经查实，本站将立刻删除。
发布者：PHP中文网，转转请注明出处：https://www.chuangxiangniao.com/p/2533648.html
