在Python中创建预测模型的简单指南，第一部分

本指南是由两部分组成的系列文章的第一部分，一个部分涉及数据的预处理和探索，另一个涉及实际的建模。

在本文的整个过程中，不要过多地关注代码，而应大致了解“预处理”阶段会发生什么。

第1部分：预处理和探索：

在任何数据科学项目的开始阶段，预处理都是至关重要的部分（除非有人已经为您完成了这项工作）。 它包括处理NULL值，检测异常值，通过分析删除不相关的列以及总体上清理数据。

让我们看看如何在python中做到这一点；

首先，让我们进行必要的导入。当需要时，我们将做更多一些。

“％matplotlib inline”是IPython中的魔术函数，它将使您的绘图输出出现并存储在笔记本中。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

现在，让我们将数据作为pandas DataFrame加载到python中，并打印其信息以及几行内容，以了解数据。

df = pd.read_csv(“Churn_Modelling.csv”)
df.info()
df.head()

输出：

RangeIndex: 10000 entries, 0 to 9999
Data columns (total 14 columns):
RowNumber 10000 non-null int64
CustomerId 10000 non-null int64
Surname 10000 non-null object
CreditScore 10000 non-null int64
Geography 10000 non-null object
Gender 10000 non-null object
Age 10000 non-null int64
Tenure 10000 non-null int64
Balance 10000 non-null float64
NumOfProducts 10000 non-null int64
HasCrCard 10000 non-null int64
IsActiveMember 10000 non-null int64
EstimatedSalary 10000 non-null float64
Exited 10000 non-null int64
dtypes: float64(2), int64(9), object(3)
memory usage: 1.1+ MB

更多内容，参阅http://viadean.com