3、深入数据与集成机器学习入门

深入数据与集成机器学习入门

1. 处理数据缺失值

在处理数据集时，缺失值是一个常见的问题。以下是处理缺失值的详细步骤：
1. 查看缺失值情况 ：通过查看变量的绝对值和百分比，发现 Alley 变量超过93%的值缺失。经过查看数据描述，发现 Alley 变量的 No Access to Alley 值在数据集中被编码为 NA ，Python将其视为缺失值。
2. 替换缺失值 ：将 Alley 中的 NA 替换为 No Access 。
3. 绘制缺失值图表 ：使用 seaborn 库绘制缺失值图表，识别有缺失值的变量。缺失值用白色表示，有数据的地方用颜色表示。
4. 处理数值变量缺失值 ：发现数值变量 LotFrontage 超过17%的值缺失，用该变量的中位数填充缺失值。
5. 处理编码为NA的数据 ：识别出一些编码为 NA 的数据，将其替换为实际信息。
6. 填充剩余缺失值 ：对于 MasVnrType 和 MasVnrArea 变量，当 MasVnrArea