#DAY 8 标签编码与连续变量处理的作业import pandas as pdimport seaborn as snsimport matplotlib.pyplot as pltdatapd.read_csv(rC:\Python Study\Python60DaysChallenge-main\data.csv)print(‘观察前五行的数据’)print(data.head())print(“\n对缺失值进行填补”)continue_colsdata.select_dtypes(exclude[‘object’]).columns.tolist()discrete_colsdata.select_dtypes(include[‘object’]).columns.tolist()连续变量用均值填充缺失值data[continue_cols] data[continue_cols].fillna(data[continue_cols].mean())离散变量用众数填充缺失值for col in discrete_cols:mode_val data[col].mode()# 防止众数为空的异常情况if not mode_val.empty:data[col] data[col].fillna(mode_val[0])调试断点2确认缺失值全部填充完成print(“\n 缺失值填充后 ”)print(“剩余缺失值数量:\n”, data.isnull().sum()) 3. 对离散变量进行 one-hot 编码 data_encoded pd.get_dummies(data, columnsdiscrete_cols)调试断点3查看编码后的列变化print(“\n 独热编码后 ”)print(f编码后数据形状: {data_encoded.shape})print(“新增编码列:”, [col for col in data_encoded.columns if col not in data.columns]) 4. 独热编码后的变量转为 int 类型 筛选出所有独热编码生成的新列encoded_cols [col for col in data_encoded.columns if col not in data.columns]data_encoded[encoded_cols] data_encoded[encoded_cols].astype(int)调试断点4确认类型转换结果print(“\n 类型转换后 ”)print(“编码列数据类型:\n”, data_encoded[encoded_cols].dtypes)print(“处理后数据前5行:\n”, data_encoded.head())#接下来是连续特征的处理手动实现归一化对Annual Income列做归一化,手动构建函数实现自行学习下如何创建函数,这个很简单很常用def manual_normalize(data):“”此函数用于对输入的数据进行归一化处理:param data: 输入的一维数据(如 Pandas 的 Series):return: 归一化后的数据“”min_val data.min()max_val data.max()normalized_data (data - min_val) / (max_val - min_val)return normalized_datafor col_name in continue_cols:# 调用自定义归一化函数覆盖原列data_encoded[col_name] manual_normalize(data_encoded[col_name])打印归一化后的所有连续列print(“\n归一化后的连续特征”)print(data_encoded[continue_cols]) 全局配置必须放在所有绘图之前 设置全局字体为支持中文的字体解决中文显示为方块的问题plt.rcParams[‘font.sans-serif’] [‘SimHei’]解决负号’-显示为方块的问题plt.rcParams[‘axes.unicode_minus’] Falseprint(“\n 开始绘制单特征可视化 ”)1. 连续特征箱线图 直方图核密度for col in continue_cols:# 箱线图看分布、四分位数、异常值plt.figure(figsize(8, 5))sns.boxplot(xdata[col])plt.title(f’{col} 箱线图’)plt.xlabel(col)plt.show()# 直方图核密度看数值分布形态 plt.figure(figsize(8, 5)) sns.histplot(data[col], kdeTrue) plt.title(f{col} 分布直方图) plt.xlabel(col) plt.ylabel(样本数量) plt.show()2. 离散特征计数柱状图统计每个类别的样本量for col in discrete_cols:plt.figure(figsize(8, 5))# 离散分类特征用countplot统计频次才是正确的“离散特征直方图”sns.countplot(xdata[col])plt.title(f’{col} 类别数量分布’)plt.xlabel(col)plt.ylabel(‘样本数量’)# 类别名称过长时可以旋转x轴标签避免重叠plt.xticks(rotation30)plt.show() 二、特征与标签的关系可视化 print(“\n 开始绘制特征与标签关系图 ”)1. 连续特征 vs 违约标签分组箱线图逻辑按违约状态分组对比不同群体的特征数值分布差异for col in continue_cols:plt.figure(figsize(8, 5))sns.boxplot(xtarget, ycol, datadata)plt.title(f’{col} 与信用违约的关系’)plt.xlabel(‘是否信用违约’)plt.ylabel(col)plt.show()2. 离散特征 vs 违约标签分组计数图逻辑按特征类别分组再拆分违约/未违约看不同类别下的违约占比差异for col in discrete_cols:plt.figure(figsize(10, 6))sns.countplot(xcol, huetarget, datadata)plt.title(f’{col} 与信用违约的关系’)plt.xlabel(col)plt.ylabel(‘样本数量’)plt.xticks(rotation30)plt.legend(title‘是否违约’)plt.show()
DAY8 标签编码与连续变量处理
发布时间：2026/6/25 12:16:12
#DAY 8 标签编码与连续变量处理的作业import pandas as pdimport seaborn as snsimport matplotlib.pyplot as pltdatapd.read_csv(rC:\Python Study\Python60DaysChallenge-main\data.csv)print(‘观察前五行的数据’)print(data.head())print(“\n对缺失值进行填补”)continue_colsdata.select_dtypes(exclude[‘object’]).columns.tolist()discrete_colsdata.select_dtypes(include[‘object’]).columns.tolist()连续变量用均值填充缺失值data[continue_cols] data[continue_cols].fillna(data[continue_cols].mean())离散变量用众数填充缺失值for col in discrete_cols:mode_val data[col].mode()# 防止众数为空的异常情况if not mode_val.empty:data[col] data[col].fillna(mode_val[0])调试断点2确认缺失值全部填充完成print(“\n 缺失值填充后 ”)print(“剩余缺失值数量:\n”, data.isnull().sum()) 3. 对离散变量进行 one-hot 编码 data_encoded pd.get_dummies(data, columnsdiscrete_cols)调试断点3查看编码后的列变化print(“\n 独热编码后 ”)print(f编码后数据形状: {data_encoded.shape})print(“新增编码列:”, [col for col in data_encoded.columns if col not in data.columns]) 4. 独热编码后的变量转为 int 类型 筛选出所有独热编码生成的新列encoded_cols [col for col in data_encoded.columns if col not in data.columns]data_encoded[encoded_cols] data_encoded[encoded_cols].astype(int)调试断点4确认类型转换结果print(“\n 类型转换后 ”)print(“编码列数据类型:\n”, data_encoded[encoded_cols].dtypes)print(“处理后数据前5行:\n”, data_encoded.head())#接下来是连续特征的处理手动实现归一化对Annual Income列做归一化,手动构建函数实现自行学习下如何创建函数,这个很简单很常用def manual_normalize(data):“”此函数用于对输入的数据进行归一化处理:param data: 输入的一维数据(如 Pandas 的 Series):return: 归一化后的数据“”min_val data.min()max_val data.max()normalized_data (data - min_val) / (max_val - min_val)return normalized_datafor col_name in continue_cols:# 调用自定义归一化函数覆盖原列data_encoded[col_name] manual_normalize(data_encoded[col_name])打印归一化后的所有连续列print(“\n归一化后的连续特征”)print(data_encoded[continue_cols]) 全局配置必须放在所有绘图之前 设置全局字体为支持中文的字体解决中文显示为方块的问题plt.rcParams[‘font.sans-serif’] [‘SimHei’]解决负号’-显示为方块的问题plt.rcParams[‘axes.unicode_minus’] Falseprint(“\n 开始绘制单特征可视化 ”)1. 连续特征箱线图 直方图核密度for col in continue_cols:# 箱线图看分布、四分位数、异常值plt.figure(figsize(8, 5))sns.boxplot(xdata[col])plt.title(f’{col} 箱线图’)plt.xlabel(col)plt.show()# 直方图核密度看数值分布形态 plt.figure(figsize(8, 5)) sns.histplot(data[col], kdeTrue) plt.title(f{col} 分布直方图) plt.xlabel(col) plt.ylabel(样本数量) plt.show()2. 离散特征计数柱状图统计每个类别的样本量for col in discrete_cols:plt.figure(figsize(8, 5))# 离散分类特征用countplot统计频次才是正确的“离散特征直方图”sns.countplot(xdata[col])plt.title(f’{col} 类别数量分布’)plt.xlabel(col)plt.ylabel(‘样本数量’)# 类别名称过长时可以旋转x轴标签避免重叠plt.xticks(rotation30)plt.show() 二、特征与标签的关系可视化 print(“\n 开始绘制特征与标签关系图 ”)1. 连续特征 vs 违约标签分组箱线图逻辑按违约状态分组对比不同群体的特征数值分布差异for col in continue_cols:plt.figure(figsize(8, 5))sns.boxplot(xtarget, ycol, datadata)plt.title(f’{col} 与信用违约的关系’)plt.xlabel(‘是否信用违约’)plt.ylabel(col)plt.show()2. 离散特征 vs 违约标签分组计数图逻辑按特征类别分组再拆分违约/未违约看不同类别下的违约占比差异for col in discrete_cols:plt.figure(figsize(10, 6))sns.countplot(xcol, huetarget, datadata)plt.title(f’{col} 与信用违约的关系’)plt.xlabel(col)plt.ylabel(‘样本数量’)plt.xticks(rotation30)plt.legend(title‘是否违约’)plt.show()
