2.1.1（数据处理规范）

打开2.1.1

import pandas as pd

# 加载数据集并显示数据集的前五行 1分

file_path = 'auto-mpg.csv'

data = pd.__________(file_path)

---

data = pd.read_csv(file_path)

# 检查缺失值并删除缺失值所在的行  2分

print("\n检查缺失值:")

print(data.__________().sum())  

data = data.__________()

---

print(data.isnull().sum())  
data = data.dropna()

代码解释：

 isnull()，定位和处理数据中的缺失值。

# 将 'horsepower' 列转换为数值类型，并处理转换中的异常值 

data['horsepower'] = pd.to_numeric(data['horsepower'], errors='coerce')

data = data.       (subset=['horsepower'])

---

data = data.dropna(subset=['horsepower'])

代码解释:

1. 为什么转换数据类型后需要 dropna()？

pd.to_numeric(errors='coerce') 的作用是：

尝试将列转换为数值类型。

遇到无法转换的值（如字符串 "?"、"NaN" 等）时，将其强制转换为 NaN。

因此，转换后的数据中可能会新增 NaN，需要用 dropna() 删除这些无效行。

# 对数值型数据进行标准化处理 1分

numerical_features = ['displacement', 'horsepower', 'weight', 'acceleration']
scaler = StandardScaler()
data[numerical_features] = scaler.__________(data[numerical_features])

---

data[numerical_features] = scaler.fit_transform(data[numerical_features])

代码解释：

# 选择特征和目标变量 2分

selected_features = ['cylinders', 'displacement', 'horsepower', 'weight', 'acceleration', 'model year', 'origin']

代码解释：

X = data[selected_features]

代码解释：

X = data[selected_features]

y = data['mpg']

代码解释：

y：从 DataFrame data 中提取名为 mpg 的列，作为目标变量（也称为因变量或标签）

# 划分数据集为训练集和测试集 1分

X_train, X_test, y_train, y_test = __________(X, y, test_size=0.2, random_state=42)

---

X_train, X_test, y_train, y_test =train_test_split(X, y, test_size=0.2, random_state=42)

代码解释：

# 保存清洗和处理后的数据

cleaned_data.__________('2.1.1_cleaned_data.csv', index=False)

---

cleaned_data.to_csv('2.1.1_cleaned_data.csv', index=False)