头歌平台数据挖掘之数据预处理

第一关：使用中位数填充中位值

任务描述

本关任务：使用中位数填充缺失值。

相关知识

根据样本之间的相似性填补缺失值是指用这些缺失值最可能的值来填补它们，通常使用能代表变量中心趋势的值进行填补，代表变量中心趋势的指标包括平均值、中位数、众数等，本次任务使用中位数填充缺失值

代码

# -*- coding: utf-8 -*-
def fill_median(data):
    """填充数据中的缺失值
    参数:
        data - pandas.dataframe格式，原始数据

    返回值：
        processed_data - 填充后的数据
    """
    processed_data = data
    #   请在此添加实现代码     #
    #********** Begin *********#
    processed_data = data.copy()  # 复制原始数据，避免原始数据丢失
    processed_data.fillna(processed_data.median(), inplace=True) #中位数填充缺失值

    #********** End ***********#
    return processed_data

解释相关代码：

   fillna函数可以将缺失值填充为指定数值，这里指定的数值是processed_data.median()中位数。

   inplace=True 可以让填充立马生效，也就是直接填充不用再创建新的对象。

第二关：离散化

任务描述

本关任务：将原数据集中的年龄离散化。

按下表标准进行离散化

相关知识

连续属性的离散化就是在数值的取值范围内设定若干点离散的划分点，划分区间，然后用不同的符号去表示落在每个子区间的数据值。

离散化涉及两个任务，确定分类数以及将连续属性值映射到这些分类值。

代码： 

#