本篇文章給大家帶來的內容是關于Python中數據預處理（代碼），有一定的參考價值，有需要的朋友可以參考一下，希望對你有所幫助。1、導入標準庫import numpy as np

import matplotlib.pyplot as plt

import pandas as pd

2、導入數據集dataset = pd.read_csv('data (1).csv') # read_csv：讀取csv文件

#創建一個包含所有自變量的矩陣，及因變量的向量

#iloc表示選取數據集的某行某列；逗號之前的表示行，之后的表示列；冒號表示選取全部，沒有冒號，則表示選取第幾列；values表示選取數據集里的數據。

X = dataset.iloc[:, :-1].values # 選取數據，不選取最后一列。

y = dataset.iloc[:, 3].values # 選取數據,選取每行的第3列數據

3、缺失數據from sklearn.preprocessing import Imputer #進行數據挖掘及數據分析的標準庫，Imputer缺失數據的處理

#Imputer中的參數：missing_values 缺失數據，定義怎樣辨認確實數據，默認值：nan ;strategy 策略，補缺值方式 ： mean-平均值 ， median-中值 ， most_frequent-出現次數最多的數 ； 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、分類數據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()

#因為Purchased是因變量，Python里面的函數可以將其識別為分類數據，所以只需要LabelEncoder轉換為分類數字

labelencoder_y=LabelEncoder()

y=labelencoder_y.fit_transform(y)

5、將數據集分為訓練集和測試集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（訓練集的字變量）,X_test（測試集的字變量）,y_train（訓練集的因變量）,y_test（訓練集的因變量）

#訓練集所占的比重0.2~0.25，某些情況也可分配1/3的數據給訓練集；train_size訓練集所占的比重

#random_state決定隨機數生成的方式，隨機的將數據分配給訓練集和測試集；random_state相同時會得到相同的訓練集和測試集6、特征縮放#特征縮放（兩種方式：一：Standardisation(標準化）；二：Normalisation（正常化））

from sklearn.preprocessing import StandardScaler

sc_X=StandardScaler()

X_train=sc_X.fit_transform(X_train)#擬合,對X_train進行縮放

X_test=sc_X.transform(X_test)#sc_X已經被擬合好了，所以對X_test進行縮放時，直接轉換X_test

7、數據預處理模板

（1）導入標準庫

（2）導入數據集

（3）缺失和分類很少遇到

（4）將數據集分割為訓練集和測試集

（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中數據預處理（代碼）的詳細內容，更多請關注php中文網其它相關文章！

本文轉載于：博客園，如有侵犯，請聯系a@php.cn刪除

總結

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）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。