本文介绍了一个关于黑色星期五零售商店销售记录的数据集，包含55万个样本，涉及多种变量。数据集来源于AnalyticsVidhya竞赛。文章详细描述了使用Pandas进行数据导入的过程，并对数据集中存在的缺失值进行了深入分析与处理，特别是针对Product_Category_2和Product_Category_3两个字段的缺失值，提出了具体的填充策略。
一、数据集简介
黑色星期五---通过消费者行为研究销售
数据集包含55万个零售商店在黑色星期五的销售记录，它包含不同种类的变量或数字或分类。它包含缺失的值。数据集来自Analytics Vidhya主办的竞赛。
二、数据导入
使用panda将数据导入为数据框类型，为 bf
三、处理缺失值
1.检查是否存在缺失值
Product_Category_2和Product_Category_3返回值为True，只有该2个字段存在缺失值。而User_ID 和Product_ID不存在缺失值，数据较为完整。
2.计算缺失值的比率
Product_Category_3的缺失值较高，约达70%
3.缺失值填充
Product_Category的取值为数字，可理解为表示商品属于该类别的程度（0-18），使用 0 填充。并检查是否替换成功。
缺失值处理完毕
未完待续。。。。。。
扫一扫
1224
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
