东大成贤资源库-数据挖掘技术与应用 实验一：数据预处理_熟悉数据挖掘数据预处理流程。 基于给定的数据集(csv)文件,完成下列数据处理。 1

基于给定的数据集（csv）文件，完成下列数据处理。

1、判断第一列（Id）是否有缺失值：如果有，则补全。

2、判断是否有重复记录：如果有，则删除至唯一。

3、计算成绩平均值 ，作为新一列加入原数据库框中。

4、寻找平均分最高的纪录。

5、统计每个科目大于等于60分的人数。

【实验内容】

1. 程序清单

import pandas as pd
import numpy as np

# 读入文件，存放在字典data里
data = pd.read_csv("D:\\Desktop\\data1.csv")

# 填入Id列空缺的值
for i in range(1,len(data)):
    if pd.isnull(data['Id'][i]):
        data['Id'][i]=i+1

# Id属性列去重，保留重复时第一个值，默认将原来的东西覆盖
data.drop_duplicates(subset=['Id'],keep='first',inplace=True)

# 如果字典内有表格是NaN，把他替换为0
for (name,value) in data.items():
    for i in range(1,len(data[name])): #对于name列的所有单元格
        if pd.isnull(data[name][i]):
            data[name][i]=0

# 为数据增加一个字段Average, 默认赋值为对每一行第1列(Id是第0列)以后所有数据取平均值，对行执行这个操作
# 关于axis：Keep in mind that axis=1 in mean(axis=1) is used to calculate the mean across each row.
# If you used axis=0 instead, the mean would be calculated across each column.
data = data.assign(Average = np.mean(data.iloc[:, 1:], axis=1))
# print(data)

# 将每一行Average的值的精度缩小到16位浮点数
data['Average'] = data['Average'].astype("float16")

# 按照 Average降序排序，覆盖以前的东西
data.sort_values("Average",ascending=False,inplace=True)
print(data)

# 降序排序后越靠前的行值就越大。data.iloc[x,y]代表data字典内第x行第y列(第y个属性)
# 这里的意思是在整个data范围内从第一个（降序，最大的）开始搜，搜到不对的了就停下
for i in range(len(data)):
    if data.iloc[i, -1] != data.iloc[0,-1]:
        break
    else:
        print(data.iloc[i,:])

# range(1,4)实际上就是1,2,3，对应语文数学英语三个列，cnt用户计数其中大于60的学生个数
for i in range(1,4):
    cnt = 0
    for j in range(len(data)):
        if data.iloc[j,i]>=60:
            cnt += 1
    print(cnt)
# 将我们处理完的data输出
data.to_csv("E:\\private\\实验报告\\数据挖掘\\230905-1\\data1.csv")

2.截图：

【实验体会】

我从这次实验中学到了：用pandas库读取csv文件作为一个python数据对象，与将其逆向至一个csv文件，用pd.isnull()方法判断是否为空值；用DataFrame对象自带的drop_duplicates()对一列数据去重，为数据通过assign的方式添加属性列并指定初始值。更改数据类型，对数据排序。以及通过iloc方法通过下标的形式切分数据表。

收获良多、感触颇丰！

以下是原始的data1.csv表：

Id	Chinese	Math	English
1	66	70	57
2	67	71	59
3	68	72	60
4	70	73	62
5	71	74	63
6	72	75	64
7	73	75	65
8	73	76	67
9	74	77	68
10	75	77	69
11	76	78	70
12	76	78	71
13	77	79	72
14	78	79	73
15	78	79	74
16	78	79	75
17	79	79	75
18	79	79	76
19	79	79	77
20	79	79	77
21	79	79	78
	79	79	78
23	79	78	79
24	79	78	79
25	79	77	79
	79	77	79
27	78	76	79
28	78	76	79
29	77	75	79
30		74	79
31	76	73	79
32	75	72	79

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上运维知识点，真正体系化！ 详情docs.qq.com/doc/DSmdCdUNwcEJDTXFK