数据挖掘的核心是什么？这个的答案是算法应该没什么疑问。那数据挖掘的基石又是什么呢？那就是今天我们要来说的数据预处理。
什么是数据预处理？
数据预处理也有套路的
import pandas as pd import numpy as np
导入数据集
我们已经导入库了，接下来我们需要获取数据集。在我本地里，我将我的数据集文件命名为‘profess’，它的格式为.csv。
#读取数据（我的数据集文件跟我的python文件在同一目录下）
data = pd.read_csv("profess.csv")
导入数据集后，我们输出看下它的格式如何
print(data)good!我们成功得将数据集导入测试环境中。
数据清洗--查看缺失值
为了成功管理数据，缺失值的概念很重要。如果工程师没有正确处理缺失值，可能最后得出关于数据的推断是不准确的。 我们再来仔细看下我们的数据的缺失值情况，用 pandas 库的 isnull 函数来看看。
print(data.isnull().sum())
我们可以发现 Age,Salary列都有缺失值（就是为空的值），缺失值数量都为1。处理缺失值有7种处理方法，我们这里说说比较常用的两种。
1、此方法经常用于处理空值，如果某行有特定特征d的空值，就删除此行。如果特定列具有超过75%的缺失值，就删除特定列。不过我们要在确保样本数据足够多的情况下，采用这个方法。因为我们要确保删除数据后，不会增加偏差。
data.dropna(inplace=True) print(data.isnull().sum())
2、这个方法适用于具有年份或者年龄，金额等数字数据的功能。我们可以计算特征的均值，中值或众数，将其替换为缺失值。与第一种方法相比，这种可以抵消数据的缺失，产生更好的效果。
我们用来看一下操作
# 将 Age 列中为空的值替换为 Age 的中位数。# medain()是 pandas 库的求中位数的方法 data['Age'] = data['Age'] .replace(np.NaN,data['Age'] .median()) print(data['Age'])
