Datawhale 零基础入门数据挖掘-Task2 数据分析

1.首先导入库，读取文件并观察数据的shape

2.分别查看训练集和测试集的前五行数据简单观察一下即可

2.查看训练集和测试集的数据缺失情况，可以看到训练集和测试集的“bodyType”、“fuelType”、“gearbox”存在缺失


4.查看各特征的取值范围，检查有无异常值。可以发现“notRepairedDamage”值存在"-"，可判断为其为缺失的另一种形式，故将其替换为nan，并在后续的缺失值填充时处理该变量

5.可以发现“seller”“offerType”两类别分类严重倾斜，可近似于只有一种类别，对预测值基本没有影响，故将其删去

6.价格分布不平衡，存在个别极大的值与均值差距较大，故将价格做对数变换，使其近似为正态分布

7.将nan填充为-1，快速进行特征工程完成一个基本的baseline。