- 1、本文档共384页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
大数据分析与挖掘实验教程
2 0 2 3
——数据预处理
配套教材 : 《大数据分析与挖掘实验教程》
实 验 目 的
理解数据预处理的 掌握常用的数据预 奠定数据分析
概念和重要性 处理方法 实践基础
01 数据清洗
02 数据集成
CONT ENT
03 数据变换
实验 内容 04 数据规约
05 Python数据预处理工具
“
数 据 清 洗 01
数 据 清 洗
数据清洗是数据预处理的第一步 ,其 目的是检测和纠正数据中存在的错误、缺
失值、异常值和重复数据等问题 ,以提高数据的质量和可用性。主要步骤包括 :
Ø 检测数据中的错误和缺失值 ,如数据类型错误、数据格式错误、数据范围错误、
空值等 ,可以使用Python中的Pandas库进行数据清洗 ;
Ø 检测数据中的异常值 ,如数据偏离正常范围、数据异常分布等 ,可以使用数据可
视化工具和统计方法进行检测和纠正 ;
Ø 检测数据中的重复数据 ,如重复记录、重复属性等 ,可以使用Python中的
Pandas库进行数据去重。
数 据 清 洗 代 码 实 例
1 读取数据文件
使用Pandas库中的read_csv()函数读取iris.csv
数据文件。
2 处理缺失值、重复值、空值等
info()函数检查数据中的缺失值和数据类型 ;
drop_duplicates()函数删除重复数据 ;
describe()函数检查数据中的异常值和数据范围;
isnull()函数检查数据中的空值 ;
fillna()函数进行填充空值 ;
replace()函数将数据中的文本类型属性转换为
文档评论(0)