問(wèn)答專欄Q & A COLUMN
工具方面，seaborn是matplotlib的擴(kuò)展和二次封裝，個(gè)人認(rèn)為日常數(shù)據(jù)分析matplotlib完夠用了。
一般臟數(shù)據(jù)分析可以分為以下幾個(gè)步驟：
一．?dāng)?shù)據(jù)讀取：根據(jù)數(shù)據(jù)源文件的文件類型，可以使用pandas的read_csv、read_table、read_excel、read_sql、read_json、read_html、DataFrame來(lái)讀取。
二．查看數(shù)據(jù)信息：主要使用describe、info這兩個(gè)方法，也可以直接用pandas的繪圖功能可視化顯示數(shù)據(jù)。
三．處理異常和缺失的數(shù)據(jù)：用到的方法主要有dropna、fillna，處理完異常和缺失數(shù)據(jù)后再可視化顯示出處理完的數(shù)據(jù)
四．如果是做機(jī)器學(xué)習(xí)或深度學(xué)習(xí)，還要再做一下歸一化處理。
五．?dāng)?shù)據(jù)處理完后再寫(xiě)入到文件中，以備調(diào)用，我一般用to_csv方法來(lái)保存。
以下是我這自己處理的一段實(shí)例代碼：
評(píng)論0
加載中...0
回答0
回答0
回答0
回答0
回答2
回答0
回答0
回答0
回答0
回答
