データ前処理を学ぶ - Qiita

CRISP DM ・プロセスモデルのフレームワーク ・EDA 一つの手段に、pandas-profilingがあり、簡単に統計指標やグラフを可視化する ・データ前処理は、分析精度に関わるので、しっかり行う # 構造化データの前処理 欠損値の処理 ・欠損値の削除もしくは補完を行う・ 補完は他のデータから統計的に算出して。 isnull() /// 行ごとの欠損値の確認(True/False) isunll().sum() /// カラムの欠損値の合計値 fillna(欠損値に置き換えたい処理,inplace=True) /// 置き換え処理。inplace=Trueはデータを完全に書き換える。なしだと、一時的な書き換え。 xxx.drop(カラム名,axis=○,inplace=True) /// 指定カラムの削除 ※カラム名はリスト表記で複数同時削除可能。.drop(["aaa","bbb