Python-数据理解②
- 2026-10-11 08:18:10
Python-数据理解②数据是进行数据处理与挖掘的基础。我们拿到一组数据后这组数据作为一个研究对象，是一个什么样的情况，我们需要先了解到。
我们的数据
Python处理表格型类的结构性数据使用的Pandas库的DataFrame对象（缩写为df). 基本情况： 数据质量，即数据是不是合理且完整的。常见的质量问题，是数据是缺失的（某一些位置是空的）和异常值（这个数值的大小和列的内容不搭）。 数据内在规律， 异常值，需要特别关注，以业务视角/字段表示的内容来判断是否为异常值。
数据理解→数据处理+数据挖掘(机器学习)→数据可视化 中间会穿插着创建特征工程，常见的是创建新的字段，用于可视化分析。 机器学习的模型，主要的四类问题：分类、回归、聚类、降维。 还在持续学习中……
Day 5 #Python学习，#数据理解，#待业学习 工作or没工作，都不影响今天是美好的一天，生命里唯一的一天。
有哪些内容（字段）？ 数据的质量如何（数据是否干净、完整）？ 这个数据有什么内在的规律（分布情况）如何？
df.head() 查看所有数据的前几行，了解数据长什么样。df.info() 告诉我们数据的字段名称（表头），非空值的数量，每列的数据类型df.shape 返回一个（行数，列数），直接获取数据表的维度
df.isnull().sum(), 计算每列（字段）的空值总数df.describe(), 生成数值列的统计信息概要，可以发现数据的最大/最小值等df.duplicated().sum()，可查看重复值的行数。
直方图，看数据集中在那个区间箱线图，数据的平均值，主要分布情况，是否有异常值。散点图，判断任意两个特征之间的是否有关系相关性热力矩阵，用-1(负相关)，1(正相关)和0(无关系)，表示特征相关程度
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：596563534@qq.com 。
