在机器学习中，如何用Python进行数据预处理？

数据分析之路持续学习中- - -

近期学习了机器学习中的数据预处理章节，在此进行分享，欢迎大家讨论指正。

顺便说一下，这里我使用的软件是Anacnoda 3中已经安装好的Spyder 3，这个软件用起来很爽，适合用来做数据分析，缺点就是不好进行调试以及管理大型项目。

如果是要用来做网页等大型工程的话，建议：Anacnoda + Pycharm。

数据预处理有哪些步骤？

机器学习中，数据预处理全流程一般包含以下6大步骤：
（1）导入标准库：如：pandas、numpy、matplotlib等；
（2）导入数据集：将需要分析的数据读入；
（3）缺失数据处理：对数据表中的空值进行处理；
（4）分类数据：将需要的维度数据（如：国家）转换为能带入公式中的可度量值；
（5）数据划分训练集、测试集：将数据集的数据按一定比例进行随机拆分，形成训练集与测试集；
（6）特征缩放：将不在同一数量级的数据进行处理，加快程序运行速度，以及尽快得到收敛结果。

一般情况下，我们得到的数据集都是经过处理的比较规整的数据，因此，常用的4个步骤是：

• 导入标准库；
• 导入数据集；
• 数据划分训练集、测试集；
• 特征缩放；
  下面将对6个步骤进