数据预处理的Python代码

数据预处理是数据分析中非常重要的一步，它可以帮助我们将原始数据转换成适合模型使用的数据格式。Python语言提供了很多用于数据预处理的库，例如Numpy、Pandas等。

以下是一个简单的数据预处理Python代码的示例：

import pandas as pd
from sklearn.preprocessing import LabelEncoder, StandardScaler

# 读取数据集
data = pd.read_csv('data.csv')

# 处理缺失值
data = data.fillna(data.mean())

# 对类别特征进行编码
label_encoder = LabelEncoder()
data['category_feature'] = label_encoder.fit_transform(data['category_feature'])

# 对数值特征进行标准化
standard_scaler = StandardScaler()
data['numeric_feature'] = standard_scaler.fit_transform(data['numeric_feature'])

# 将处理后的数据保存到新文件
data.to_csv('processed_data.csv', index=False)

上述代码使用Pandas库读取了一个名为`data.csv`的数据集，然后使用`fillna()`函数将缺失值填充为该列的均值。接下来使用`LabelEncoder()`对类别特征进行编码，将其转换为数值型数据；同时使用`StandardScaler()`对数值特征进行标准化处理。最后，将处理后的数据保存到新文件`processed_data.csv`中。