python训练营day7

#用新的数据集复习一下

#用一个新的数据集复习前面所学内容
#使用平均值填充空值
import pandas as pd
data=pd.read_csv('heart.csv')#导入
c=data.columns.tolist()#遍历整个表时，需要列名进行操作，改成pythonlist格式更好
for i in c:#i是列名，不然应该是'Annual Income'这种
    if data[i].dtype !='object':
        if data[i].isnull().sum()>0:
            mean=data[i].mean()
            data[i].fillna(mean,inplace=True)
data.isnull().sum()

# 找到离散变量
discrete_lists = [] # 新建一个空列表，用于存放离散变量名
for discrete_features in data.columns:
    if data[discrete_features].dtype == 'object':
        discrete_lists.append(discrete_features)
data = pd.get_dummies(data, columns=discrete_lists, drop_first=True)# 离散变量独热编码 
data.columns
#找到新特征名
# 对比独热编码前后的列名 
data2 = pd.read_csv("data.csv")
list_final = [] # 新建一个空列表，用于存放独热编码后新增的特征名
for i in data.columns:
    if i not in data2.columns:
       list_final.append(i) # 这里打印出来的就是独热编码后的特征名
list_final
#对bool值进行转换便于增加兼容性
for i in list_final:
    data[i] = data[i].astype(int) # 这里的i就是独热编码后的特征名
data.head()
# 用均值填补，循环遍历这个列表中的每一列
for i in data.columns:
    if data[i].isnull().sum() > 0: # 找到存在缺失值的列
        #计算该列的均值
        mean_value = data[i].mean()
        #用均值填充缺失值
        data[i].fillna(mean_value, inplace=True)
 
data.isnull().sum()

@浙大疏锦行