本文共 1434 字，大约阅读时间需要 4 分钟。

?????????Python???????????

??????????????????????????????????Python???????????????????????????????????????Python??????

?????????????????????????????????????????????????????????????????

1. ?????????

?????????????????

• ???????????????????????????????????????????

  • ????????
  • ?????????????????
  • ?????????????????

• ?????????????????????????????

  • ?????
  • ?????
  • ???????z-score??????

• ????????????????????????????????

  • ??????
  • ??????
  • ??????????????

• ????????????????????????

  • ????
  • ?????
  • ????
  • ??????

2. ??Python??????

Python???????????????????????????????????????????????

• Pandas?Pandas??????????????????????????????
• NumPy?NumPy?????????????????????
• Matplotlib?Seaborn???????????????
• Scikit-learn??????????????
• Pymol???????????
• NLTK???????????????????

3. ?????????

???????CSV???????????????????????????????????

import pandas as pddf = pd.read_csv('sales_data.csv')

df['price'].fillna('??', inplace=True)# ??df.dropna(inplace=True)

def z_score(x):    return (x - np.mean(x)) / np.std(x)df['price'].apply(z_score)

df.drop_duplicates(inplace=True)

from sklearn.feature_extraction.text import TfidfVectorizervectorizer = TfidfVectorizer(max_features=100)tfidf = vectorizer.fit_transform(df['??'])

df.to_csv('cleaned_data.csv', index=False)

4. ????

• ???????????????????????????????????
• ??????????????????????????????????
• ??????????????????????????????????

????????????????Python???????????????????????????????????????