合作机构:阿里云 / 腾讯云 / 亚马逊云 / DreamHost / NameSilo / INWX / GODADDY / 百度统计
数据预处理包括以下几个方面:
标准化经常容易与规范化混淆,但它们指的是不同的东西。规范化涉及将不同比例的度量值调整到一个共同的比例,而标准化则是将特征值转换为均值为零,标准差为1的分布。标准化也是通过 z-score 转换来实现的,其中新值是用当前值与平均值之间的差,除以标准差计算得来的。
Z-score 是一种统计度量值,用于确定单个数据点与数据集其余部分的距离,它可以用来检测数据集中的异常值。
在本教程中,我们将考虑两种类型的标准化:
本教程的示例数据集还是继续沿用上一个教程(Part 3)中的新冠肺炎数据集,获取方式见上一个教程的文末。
首先,我们需要导入 Python pandas 库,并通过 read_csv() 函数读取数据集。然后我们可以删除所有具有 NaN 值的列,通过 dropna() 函数来实现的。
import pandas as pd
df = pd.read_csv('datasets/dpc-covid19-ita-regioni.csv')
df.dropna(axis=1, inplace=True)
df.tail(10)
TOP