机器学习-探索性数据分析
美国加州房屋分析示例
导入要用的包
读取数据
读取的表有几行几列
展示前几行数据
找出那些缺失数据量小于总数据量的30%的列
将那些缺失数据量大于总数据量30%的列删掉，inplace=True表示直接对数据进行修改（执行完一次后表里就没有那些删除的列了）
展示各个数据列的数据类型
将与钱相关的列加入currency数组，之后分别对这些列用正则表达式将"$“”,“”-"号全部删掉，下一个是若是空字符串，直接转成numpy的not a number，之后将这些列的数据都转成float类型的数据
修改占地面积的数据类型
看各列数据的水平
可以发现有多个噪音（如最大总空间9999，最大卫生间数256等）
拿出房间面积小于10或大于10000的列（不正常的），第二行代码把除不正常数据之外的其他数据留下，再看有多少不正常的数据
观测价格分布
计数各个房子类型有多少个，这里只显示前20个
可以发现“SingleFamily”和“Single Family”未计数到一起，这也是噪音
将四种类型的房子拿出来，观察各个类型的房价分布
看各个类型房子的每平米的价格的分布，色块内的横线表示均值，色块上界和下界分别表示75%和25%的分位数
看不同邮政编码的房子的单位面积的均价分布
热力图观察各类变量之间的相关性