特征工程

将数据转换为能更好地表示潜在问题地特征，从而提高机器学习的性能。

定量数据和定性数据

定量数据本质上是数值，应该是衡量某样东西的数量。

定性数据本质上是类别，应该是衡量某样东西的性质。

有时数据可以同时是定量和定性的。例如餐厅的评分(1~5星)虽然是数，但是这个数也可以代表类别。但是如果星级是浮点型，那么该属性就是定量。

以旧金山做不同工作的薪资，来分析。

数据

数据缺失度查看方法：info() 和 isnull().sum()

查看数据缺失

describe()函数可以查看一些定量数据的描述性统计。但是一些定性数据是整数表示的变量，也会被被统计，这种时候需要做一些处理，另外一些数据用string表示，比如美元$1, 对这种格式用map(lambda x: x.replace('$', ''))

describe函数

在以上的分类上，进行更一步的细分，分为定类等级，定序等级，定距等级，定比等级。

是数据的第一个等级，其结构最弱。这个等级的数据只按名称分类。例如血型(A, B, O和AB型)，动物物种和人民等。

在这个等级上，不能执行任何定量数学操作，例如加法和减法。可以通过value_counts()进行统计个数。

计数条形图

饼图

定序等级在定类等级上进一步进行探索的方法。添加了额外属性。

1. 定序等级可以自然排序

2. 可以进行比较

例子包括：考试成绩（A,B,C,D,F）

可以执行的数学操作：中位数和百分数

在定类和定序等级的基础上更进一步, 定类和定序等级都是定性数据。即使其内容是数，也不代表真实数量。在定距等级，摆脱了这个限制，开始定量数据。定距等级，不仅可以排序，而且值之间的差异也是有意义的。可以进行加减.

定比等级处理的也是定量数据。这里不仅继承了定距等级等级的加减运算，而且有一个绝对零点的概念，可以做乘除运算。

100元人民币是50元的俩倍

反例：

温度是属于定距等级，而不是定比等级，因为100度比50度高俩倍的说法是没有意义的，并不合理。因为摄氏度和华氏度都没有真正的零点。

回到旧金山的工资数据，可以看到Biweekly High Rate列处于定比等级，因而可以进行新的观察。先看一下最高工资：

最高工资