起首，在terminal/ Windows敕令提示符下键入以下敕令，以Inline Pylab模式启动iPython界面：

ipython notebook --pylab=inline 

如许在pylab情况中打开了iPython notebook，它已经导入了一些有效的库。此外，可以内联绘制数据，这使得它成为一个异常好的交互式数据分析情况。 你可以经由过程键入以下敕令(并获得如下图所示的输出)来检查情况是否加载精确：

plot(arange(5)) 

我当前在Linux中工作，并将数据集存储在以下地位： /home/kunal/Downloads/Loan_Prediction/train.csv

导入库和数据集：

以下是我们将在本教程中应用的看魏

numpy 
 
matplotlib 
 
pandas  

没有明白显示到底谁好，但我认为最重要的是大年夜家应当专注于将Python算作一门说话来进修。版本之间的转换是一个时光的问题。迟点，持续存眷Python 2.X与3.X比角９依υ?┞仿。

请留意，因为Pylab情况，你不须要导入matplotlib和numpy。我仍然将它们保存在代铝闼楝以便在不合的情况中应用代码。

如许为你供给一个很好的方法来估算贷款额度的缺掉值。

导入库后，应用函数read_csv()攫取数据集。代码如下：

import pandas as pd 
 
import numpy as np 
 
import matplotlib as plt 
 
df = pd.read_csv("/home/kunal/Downloads/Loan_Prediction/train.csv") #应用Pandas读入数据集转换成dataframe  

快速数据摸索

攫取数据集后，可以应用head()函数查看前几行

如许输出了10行，或者，也可以打印查看更多行数据集。

df.describe() 

describe()函数将在其输出中供给计数、平均值、标准误差(std)、最小值、四分位数和最大年夜值。

这里有几个发明，你可以经由过程看看describe()函数的输出来绘制：

1.LoanAmount有(614 – 592)22个缺掉值。

2.Loan_Amount_Term有(614 – 600)14个缺掉值。

3.Credit_History有(614 – 564)50个缺掉值。

4.我们也可以看到，约84%的申请人有信用记录，怎么样?Credit_History字段的平均值为0.84(记住，Credit_History对于具有信用记录的用户而言为1，不然为0)

5.申请人收入分布似乎相符预期。与CoapplicantIncome雷同。

有很多办法来弥补贷款额度的缺掉值，最简单的是用均值调换，可以经由过程以下代率攀来完成：

请留意，我们可以经由过程比较平均值与中位数来懂得数据中可能的误差。

df['Property_Area'].value_counts() 

1.削减猜测数量

同样，我们可以看看信用汗青的独特价值。请留意，dfname [‘column_name’]是一种根本的索引办法来拜访dataframe的特定列。它也可所以一个列名的列表。

分布分析

如今我们熟悉根本的数据特点，我们来研究各类变量的分布。大年夜数字变量ApplicantIncome和LoanAmount开端。

df['ApplicantIncome'].hist(bins=50) 

如今分布看起来加倍接近正态分布，极端值的影响已经显示减弱。

在这里我们不雅察到很少极端值。这也是为什么须要50个箱子来明白分派分派的原因。

接下来，我们来看一下箱线图来了闭幕布。箱线图可以经由过程以下方法绘制：

社区支撑，这是早期须要的，Python 2版本在2000年下半年宣布，跨越15年的应用了。

df.boxplot(column='ApplicantIncome') 

这证实了很多异常值/极端值的存在。这可归因于社会的收入差距。部分原因可能是因为我们研究了不合教导程度的人。经由过程教导变量将其分别开：

　　推荐阅读

　　JavaScript操作DOM的那些坑

scrollTop为滚动条向下移动的距离，所有浏览器都支撑document.documentElement。 【技巧沙龙】AI开辟者拭魅战营-7分钟打造1个定制技能。7月22号，我们等你一路！ js在操作DOM中存在着很多>>>详细阅读

本文标题：技术 | 使用Python来学习数据科学的完整教程

地址：http://www.17bianji.com/lsqh/36300.html

 1/2    1