### 使用 Jupyter Notebook 进行数据预处理 在 Jupyter Notebook 中进行数据预处理是一项常见的任务，通常涉及加载数据、清理缺失值、转换数据类型以及简单可视化等操作。以下是详细的说明和代码示例。 #### 加载数据 要开始数据预处理，首先需要导入必要的库并加载数据文件。可以使用 `pandas` 库来读取 Excel 文件或其他格式的数据集[^2]。 ```python import pandas as pd # 替换路径为实际数据文件的位置 rates = 'C:/Users/Kst/Downloads/uci.xls' data = pd.read_excel(rates) # 查看前几行数据以了解其结构 print(data.head()) ``` #### 查询字段数据类型 为了更好地理解数据集中的每一列及其对应的类型，可以通过调用 `.dtypes` 方法获取每列的数据类型信息[^2]。 ```python # 显示各字段的数据类型 print(data.dtypes) ``` #### 处理缺失值 数据集中可能存在缺失值，在数据分析之前应对其进行适当处理。可以选择删除含有缺失值的记录或者填充这些缺失值。 ```python # 统计每列中缺失值的数量 missing_values_count = data.isnull().sum() print(missing_values_count) # 删除任何包含缺失值的行 cleaned_data = data.dropna() # 或者可以用均值填补数值型列中的缺失值 for column in cleaned_data.select_dtypes(include=[np.number]).columns: mean_value = cleaned_data[column].mean() cleaned_data[column].fillna(mean_value, inplace=True) ``` #### 转换数据类型 有时原始数据可能存储不恰当的数据类型，比如日期被当作字符串保存，则需将其转换成正确的格式以便后续分析[^3]。 ```python # 将某列为datetime类型的例子 if 'date_column' in cleaned_data.columns and isinstance(cleaned_data['date_column'].dtype, object): cleaned_data['date_column'] = pd.to_datetime(cleaned_data['date_column'], errors='coerce') ``` #### 简单可视化 完成初步的数据清洗之后，通过简单的图表可以帮助我们更直观地探索数据特性[^4]。 ```python import matplotlib.pyplot as plt %matplotlib inline # 创建散点图展示两维特征间的关系 plt.figure(figsize=(8,6)) plt.scatter(cleaned_data.iloc[:,0], cleaned_data.iloc[:,1]) plt.xlabel('Feature X Label') plt.ylabel('Feature Y Label') plt.title('Scatter Plot of Two Features') plt.show() ``` 以上就是在 Jupyter Notebook 中执行典型数据预处理工作的方法概述及相应 Python 代码片段。