本篇文章給大家?guī)?lái)的內(nèi)容是關(guān)于Python中數(shù)據(jù)預(yù)處理（代碼），有一定的參考價(jià)值，有需要的朋友可以參考一下，希望對(duì)你有所幫助。1、導(dǎo)入標(biāo)準(zhǔn)庫(kù)import numpy as np

import matplotlib.pyplot as plt

import pandas as pd

2、導(dǎo)入數(shù)據(jù)集dataset = pd.read_csv('data (1).csv') # read_csv：讀取csv文件

#創(chuàng)建一個(gè)包含所有自變量的矩陣，及因變量的向量

#iloc表示選取數(shù)據(jù)集的某行某列；逗號(hào)之前的表示行，之后的表示列；冒號(hào)表示選取全部，沒(méi)有冒號(hào)，則表示選取第幾列；values表示選取數(shù)據(jù)集里的數(shù)據(jù)。

X = dataset.iloc[:, :-1].values # 選取數(shù)據(jù)，不選取最后一列。

y = dataset.iloc[:, 3].values # 選取數(shù)據(jù),選取每行的第3列數(shù)據(jù)

3、缺失數(shù)據(jù)from sklearn.preprocessing import Imputer #進(jìn)行數(shù)據(jù)挖掘及數(shù)據(jù)分析的標(biāo)準(zhǔn)庫(kù)，Imputer缺失數(shù)據(jù)的處理

#Imputer中的參數(shù)：missing_values 缺失數(shù)據(jù)，定義怎樣辨認(rèn)確實(shí)數(shù)據(jù)，默認(rèn)值：nan ;strategy 策略，補(bǔ)缺值方式 ： mean-平均值 ， median-中值 ， most_frequent-出現(xiàn)次數(shù)最多的數(shù) ； axis =0取列 =1取行

imputer = Imputer(missing_values = 'NaN', strategy = 'mean', axis = 0)

imputer = imputer.fit(X[:, 1:3])#擬合fit

X[:, 1:3] = imputer.transform(X[:, 1:3])4、分類數(shù)據(jù)from sklearn.preprocessing import LabelEncoder,OneHotEncoder

labelencoder_X=LabelEncoder()

X[:,0]=labelencoder_X.fit_transform(X[:,0])

onehotencoder=OneHotEncoder(categorical_features=[0])

X=onehotencoder.fit_transform(X).toarray()

#因?yàn)镻urchased是因變量，Python里面的函數(shù)可以將其識(shí)別為分類數(shù)據(jù)，所以只需要LabelEncoder轉(zhuǎn)換為分類數(shù)字

labelencoder_y=LabelEncoder()

y=labelencoder_y.fit_transform(y)

5、將數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集from sklearn.model_selection import train_test_split

X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=0)

#X_train（訓(xùn)練集的字變量）,X_test（測(cè)試集的字變量）,y_train（訓(xùn)練集的因變量）,y_test（訓(xùn)練集的因變量）

#訓(xùn)練集所占的比重0.2~0.25，某些情況也可分配1/3的數(shù)據(jù)給訓(xùn)練集；train_size訓(xùn)練集所占的比重

#random_state決定隨機(jī)數(shù)生成的方式，隨機(jī)的將數(shù)據(jù)分配給訓(xùn)練集和測(cè)試集；random_state相同時(shí)會(huì)得到相同的訓(xùn)練集和測(cè)試集6、特征縮放#特征縮放（兩種方式：一：Standardisation(標(biāo)準(zhǔn)化）；二：Normalisation（正常化））

from sklearn.preprocessing import StandardScaler

sc_X=StandardScaler()

X_train=sc_X.fit_transform(X_train)#擬合,對(duì)X_train進(jìn)行縮放

X_test=sc_X.transform(X_test)#sc_X已經(jīng)被擬合好了，所以對(duì)X_test進(jìn)行縮放時(shí)，直接轉(zhuǎn)換X_test

7、數(shù)據(jù)預(yù)處理模板

（1）導(dǎo)入標(biāo)準(zhǔn)庫(kù)

（2）導(dǎo)入數(shù)據(jù)集

（3）缺失和分類很少遇到

（4）將數(shù)據(jù)集分割為訓(xùn)練集和測(cè)試集

（5）特征縮放，大部分情況下不需要，但是某些情況需要特征縮放

以上就是Python中數(shù)據(jù)預(yù)處理（代碼）的詳細(xì)內(nèi)容，更多請(qǐng)關(guān)注php中文網(wǎng)其它相關(guān)文章！

本文轉(zhuǎn)載于：博客園，如有侵犯，請(qǐng)聯(lián)系a@php.cn刪除

總結(jié)

以上是生活随笔為你收集整理的python数据预处理代码_Python中数据预处理（代码）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。