用PANDAS自带的函数进行数据预处理

以下是使用 pandas 进行数据集预处理的具体示例：

import pandas as pd

# 读取数据集
data = pd.read_csv('your_dataset.csv')

# 示例 1：删除包含缺失值的行
data.dropna(axis=0, inplace=True)
print("删除缺失值行后的数据集：")
print(data)

# 示例 2：用均值填充缺失值
data.fillna(data.mean(), inplace=True)
print("填充缺失值后的数据集：")
print(data)

# 示例 3：进行独热编码
data['category_column'] = ['A', 'B', 'A', 'C']  # 假设的分类列
encoded_data = pd.get_dummies(data['category_column'])
print("独热编码后的结果：")
print(encoded_data)

# 示例 4：转换数据类型
data['numeric_column'] = data['numeric_column'].astype(float)
print("转换数据类型后的列：")
print(data['numeric_column'].dtype)

# 示例 5：重命名列名
data.rename(columns={'old_column_name': 'new_column_name'}, inplace=True)
print("重命名列后的数据集：")
print(data.columns)

# 示例 6：对数据进行排序
data.sort_values(by='some_column', ascending=False, inplace=True)
print("排序后的数据集：")
print(data)

# 示例 7：按照指定列进行分组操作，并计算每组的均值
grouped_data = data.groupby('group_column')
mean_values = grouped_data.mean()
print("分组计算均值的结果：")
print(mean_values)