2.1.3

import pandas as pd # 加载数据 data = 💡 # 显示前五行的数据 print(💡) import matplotlib.pyplot as plt import seaborn as sns # 设置图像尺寸 plt.figure(figsize=(12, 8)) # 识别数值列用于箱线图 numeric_cols = data.select_dtypes(include=['float64', 'int64']).columns # 创建箱线图 for i, col in enumerate(numeric_cols, 1): plt.subplot(3, 4, i) sns.boxplot(x=data[col]) plt.title(col) plt.tight_layout() plt.show() # 使用IQR处理异常值 Q1 = 💡(0.25) Q3 = 💡(0.75) IQR = 💡 # 移除异常值 data_cleaned = data[~((data[numeric_cols] < (Q1 - 1.5 * 💡)) | (data[numeric_cols] > (Q3 + 1.5 * 💡))).any(axis=1)] # 检查处理重复值 duplicates = 💡() num_duplicates = duplicates.sum() data_cleaned = data_cleaned[~duplicates] print(f'删除的重复行数: {num_duplicates}') #对数据进行归一化处理 from sklearn.preprocessing import MinMaxScaler scaler = MinMaxScaler() data_cleaned[numeric_cols] = 💡 # 设定目标变量 target_variable = 💡 from sklearn.model_selection import train_test_split # 定义特征和目标 X = 💡(columns=[💡]) #1分 y = 💡 #1分 # 划分数据（训练集占80%） X_train, X_test, y_train, y_test = 💡(💡, random_state=42) # 显示划分后的数据形状 print(f'训练数据形状: {X_train.shape}') print(f'测试数据形状: {X_test.shape}') # 保存清洗后的数据到CSV cleaned_file_path = '2.1.3_cleaned_data.csv' 💡(💡, index=False)