深度之眼Kaggle比赛实战项目记录—4—房价预测（3）第一周第三节房价的数据预处理之探索性数据分析

说明

学习时长：1/2——1/3

任务名称：房价的数据预处理之探索性数据分析

任务简介：数据的读取与显示、查看数据的缺失情况、查看数据的类型情况、查看特征之间的相关性。

详细说明：数据的读取与显示利用pandas来读取语法是train=pandas.read_csv(filepath)。数据的显示直接在cell中打印train就好了，如要显示前五行的话那么就要train.head(),或者是利用train.sample(5)随机显示五行数据，在这里呢，用一个叫做pandas_profiling的包来进行查看数据的缺失情况、数据的类型情况、特征之间的相关性，具体的用法的是

Import pandas_profiling as ppf

Ppf.profileReport(train)

就行啦！后面的话会生成的一个报表包括上面的所有的信息。这里要提醒一下的是要用这个包的话，那么就要在Anaconda Prompt中运行pip install pandas_profiling，稍微等待一下就好了。

从这个报表里面可以看到的是数据缺失情况，以及每一个特征的分布情况，特征与特征之间的相关性等等信息。

代码下载：

链接：https://pan.baidu.com/s/1pAqxY3ZudZZxk_UK62J7Yw

提取码：j7v3

作业名称（详解）：读取train.csv文件并且显示后五行，自行查阅pandas中的两种数据结构分别是什么？并做出总结（文字）。Pandas的可视化函数有哪些？（文字），person系数为什么可以用来衡量数据之间的相关性？（图文并茂的提交），如何利用pandas来显示数据信息（代码运行截图）

作业提交形式：

打卡提交，文字最少70字，图片最少2张

打卡截止日期：1/3

点我打卡！提交你的作业吧～

打卡

数据清洗方法：
在这里插入图片描述
打卡：
1.Pandas中的两种数据结构是一维的 Series 和二维的 DataFrame。Series 的建立都可以简单的通过传入列表对象来完成。同时，还可以自定义 index，否则则是默认的数字。而 DataFrame 可以理解为多个 Series 列的集合，并且相对于 Series 的行标签(index)多了一个列标签(column)。DataFrame 的建立可以通过传入二维数组加上 index 或者直接通过传入字典建立。
除了多了标签，不论是Series 还是 DataFrame 的结构和性质基本和 NumPy 类似。

2.Pandas的可视化主要包括画布的建立、坐标系的建立、坐标轴的设置以及各种图表的绘制函数，比如折线图、散点图、箱型图等等。

3.pandas相关系数-DataFrame.corr()参数：
DataFrame.corr(method=‘pearson’, min_periods=1)，其中 person 为method 的可选的参数。
Pearson相关系数来衡量两个数据集合是否在一条线上面，即针对线性数据的相关系数计算，针对非线性数据便会有误差。

4.代码在这里插入图片描述