機器學習之數據預處理——數據清洗缺失值、異常值和重復值的處理

• 基礎知識
• 技術點總結
• 數據列缺失的處理方法
• • 1、丟棄（缺失值處理）
  • • 1、生成一份隨機數據
    • 2、查看哪些值缺失
    • 3、獲得含有NA的列
    • 4、獲取全部為NA的列
    • 5、丟棄缺失值
  • 2、補全（缺失值處理）
  • • 1、使用sklearn將缺失值替換為特定值
    • • 使用這一列的均值代替NaN
      • 使用這一列的中位數代替NaN
      • 使用這一列的眾數代替NaN
    • 2、使用Pandas將缺失值替換為特定值
    • • 用后面的值替換缺失值
      • 用后面的值替換缺失值，限制每列只能替換一個缺失值
      • 用前面的值替換缺失值
      • 用0替換缺失值
      • 用不同值替換不同列的

總結

以上是生活随笔為你收集整理的机器学习之数据预处理——数据清洗(缺失值、异常值和重复值的处理)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。