一、缺失值的处理方法 由于各种各样的原因，真实世界中的许多数据集都包含缺失数据，这些数据经常被编码成空格、nans或者是其他的占位符。但是这样的数据集并不能被scikit - learn算法兼容，因为大多数的学习算法都会默认数组中的元素都是数值，因此素偶有的元素都有自己的代表意义。 使用不完整的数据集的一个基本策略就是舍弃掉整行或者整列包含缺失值的数值，但是这样处理会浪费大量有价值的数据。下面是处理缺失值的常用方法： 1.忽略元组 当缺少类别标签 继续阅读

除法的运算‘/’ 无论是否整除返回的都是 float ，暂且叫它精确除法 例如 ： 2 '%' 取余数 返回除法的余数例如 ：2%3 2 3%2 1‘//’无论是否整除返回的都是 int ，是底板除支取整数部分，小数部分舍弃例如 ：2//3 0 3//2 1 向上向下取整要先导入模块 math 向上取整 math.ceil() 返回值为 intimport math >>> ma 继续阅读