人工智能训练师备考——2.1.5题解
有句话说的好，书读百遍其意自现，这个考证备考也是一样的其实，多刷几遍题型，多写几遍，基本上就八九不离十了，然后多记一下命令，基本上就没太大问题，加油啊同行者
代码题
1. 加载数据集
题目：data = __________
加载数据就是使用pd.read_csv函数（最基础的题型，一定要拿分）
然后从题目中找到需要的文件名健康咨询客户数据集
所以最后填入：data = pd.read_csv('健康咨询客户数据集.csv')
2.查看表结构基本信息
题目：print(__________)
查看表结构基础信息联想data.info()函数，这个是查看表结构的
上面的数据源的命名为data所以不需要改数据源的名称
最后输入：print(data.info())
3.显示每一列的空缺值数量
题目：print(__________)
首先这个问题有两个方面，一个是找出空缺值，第二个需要统计他们的数量
找出空缺值使用isnull()函数，统计数量有两个一个是.sum()第二个是.value_counts()
两个的区别是sum是统计数值的总和，value_counts是统计对应的字段或者符合要求的数据出现的次数进行计数
这里基本上是固定搭配直接写入data.isnull().sum()
最后填入：print(data.isnull().sum())
4.删除含有缺失值的行
题目：data_cleaned = __________
删除应该是drop或者或者dropna一般如果需要专门限制删除某列会去使用drop和columns=‘列名’的组合，dropna即为删除空值，空行，
所以这里直接填入dropna（）即可
最后填入：data_cleaned = dropna（）
5.转换 'Your age' 列的数据类型为整数类型，并处理异常值
题目：data_cleaned.loc[:, 'Your age'] = __________(__________, errors='coerce')
data_cleaned = data_cleaned.dropna(subset=['Your age'])
data_cleaned = data_cleaned[data_cleaned['Your age'] >= 0]
data_cleaned.loc[:, 'Your age'] = data_cleaned['Your age'].__________
这里会有两个操作，1.先将Your age转换成数据类型2.将数据类型转换成整数类型
转换成数据类型需要使用pd.to_numeric() 需要转换的数据为data_cleaned【'Your age'】
转换为整数类型为需要使用astype函数
所以最后答案为：data_cleaned.loc[:, 'Your age'] = pd.to_numeric(data_cleaned['Your age'], errors='coerce')
data_cleaned = data_cleaned.dropna(subset=['Your age'])
data_cleaned = data_cleaned[data_cleaned['Your age'] >= 0]
data_cleaned.loc[:, 'Your age'] = data_cleaned['Your age'].astype(int)
6.检查和删除重复值
题目：duplicates_removed = data_cleaned.duplicated().sum()
data_cleaned = __________
删除重复值为drop_duplicates()
所以直接填入数据源.drop_duplicates()
对应的数据源为从上文可知为：data_cleaned
所以最后填入：data_cleaned = data_cleaned.drop_duplicates()
7.归一化 'How do you describe your current level of fitness ?' 列
题目：label_encoder = LabelEncoder()
data_cleaned[__________] = __________
看到归一化，直接想到fit_transform,
然后从题目找到需要归一化的数据为 'How do you describe your current level of fitness ?' 列，
数据源为：label_encoder
所以填入：data_cleaned['How do you describe your current level of fitness ?'] = label_encoder.fit_transform(data_cleaned['How do you describe your current level of fitness ?'])
8.绘制饼图
题目：plt.figure(figsize=(10, 6))
__________(autopct='%1.1f%%', startangle=90, colors=plt.cm.Paired.colors)
plt.title('Distribution of Exercise Frequency')
plt.ylabel('')
plt.show()
饼图函数为plot.pie直接背
对应的数据从上文exercise_frequency_counts = data_cleaned['How often do you exercise?'].value_counts()可以找到为exercise_frequency_counts
所以填入：exercise_frequency_counts.plot.pie(autopct='%1.1f%%', startangle=90, colors=plt.cm.Paired.colors)
9.划分数据（测试集占比20%）
题目：train_data, test_data = __________(__________, random_state=42)
划分数据从前面的引用信息from sklearn.model_selection import train_test_split
可以知道这里需要使用的是train_test_split去划分数据，
对应的划分对象数据从前文的data_filled = data.apply(lambda x: x.fillna(x.mode()[0]))可以知道是data_filled
测试集需要占比20%所以填入test_size=0.2这个就是告诉train_test_split，测试集比例为20%
所以最后填入：train_data, test_data = train_test_split(data_filled, test_size=0.2, random_state=42)
10.保存处理后的数据
题目：cleaned_file_path = '__________'
__________(__________, index=False)
第一空为数据需要保存为的文件名，从题目中可以找到为：'2.1.5_cleaned_data.csv'
第二空保存文件，格式为：data.to_csv('文件名'，index=False)（data需要改为上文的需要保存的数据源：data_filled）
所以最后填入：cleaned_file_path = '2.1.5_cleaned_data.csv'
data_filled.to_csv(cleaned_file_path, index=False)
主观题
从以上题干里，抄如下的数据清洗规范。
1 加载数据集，查看表的数据类型。
2 处理缺失值和异常值。
3 数据去重
4 归一化处理
5 保存清洗后的数据
数据标注规范
1 标注特征值和目标值。
2 数据划分: 将数据分为训练集和测试集
标注规范要写3点，所以还可以写如下的几点。
1 标注数据来源，具体可以标注数据的提供者，数据集文件名和文件大小，以及数据提供的日期。
2 标注数据描述信息，具体可以标注每个字段的含义，单位和数据范围。
3 保存处理后的数据，标注存储位置和文件名。
4 用文档来记录标准流程和要点。