Python與機器學習（第2版）（微課版） 課件 01-03-重復值處理任務實施_第1頁
Python與機器學習（第2版）（微課版） 課件 01-03-重復值處理任務實施_第2頁
Python與機器學習（第2版）（微課版） 課件 01-03-重復值處理任務實施_第3頁
Python與機器學習（第2版）（微課版） 課件 01-03-重復值處理任務實施_第4頁
Python與機器學習（第2版）（微課版） 課件 01-03-重復值處理任務實施_第5頁
已閱讀5頁，還剩4頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

主講人：陳清華重復值處理任務實施【數(shù)據(jù)挖掘應用】課程用餐數(shù)據(jù)異常分析會使用Pandas等第三方包對數(shù)據(jù)做預處理；會使用Pandas檢測重復值；會使用Pandas處理重復值。能力目標主要內容任務概述任務要求引導問題任務解決方案用餐數(shù)據(jù)重復值檢測與處理檢測給定的用餐數(shù)據(jù)集中是否存在重復記錄，如存在，則輸出具體重復的記錄并對記錄進行適當?shù)奶幚?。檢測數(shù)據(jù)集中數(shù)值型的特征列是否重復，如存在，則做相應處理。任務概述

任務描述：去除用餐數(shù)據(jù)中的重復值010010011001101010100100110110100101110101000100001011011101001010101101010011010010（1）找到重復值（2）去除重復值（1）數(shù)據(jù)中存在重復值會對數(shù)據(jù)分析結果造成什么影響？（2）Pandas工具包中，哪些函數(shù)可以用來檢測重復值？（3）處理重復值的方法有哪些？如何選擇合適的處理方法？（4）Pandas工具包中，哪些函數(shù)可以用來處理重復值？”

問題引導：任務概述任務解決方案

參考代碼：第1行：檢測是否存在重復記錄，如果結果為True，表示數(shù)據(jù)中存在重復值。第2行：輸出具體的重復記錄。df.duplicated().any()df[df.duplicated()==True]第3行:顯示去除重復記錄前的記錄數(shù)df.count()檢測到的重復值一、檢測并輸出重復記錄任務解決方案

參考代碼df.count()第4行:去除重復記錄第5行:顯示去除重復記錄后的記錄數(shù)df=df.drop_duplicates()二、刪除重復記錄任務解決方案

參考代碼第6行：檢測是否存在重復的特征列，此外檢測totalbill、tip列是否完全相關。df['bill2'].corr(df['tip2'])結果輸出約為：0.678，即兩列數(shù)據(jù)并不是完全相關的，即不存在重復特征。三、檢測重復特征列小結如何檢測是否存在重復記錄、重復特征？

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論