用python对”apps“数据集进行基本特征提取和分析，把结果保存到新文件夹中，并输出

在Python中，处理数据集通常会涉及pandas库来进行数据清洗、特征提取和分析。对于"apps"数据集（假设它是CSV或Excel格式），我们可以按照以下步骤进行操作：

1. 导入必要的库：

import pandas as pd

2. 加载数据集：

data = pd.read_csv('apps.csv')  # 如果是csv文件，如果是Excel则用pd.read_excel()

3. 数据预览：

print(data.head())  # 查看前几行数据

4. 数据清洗（如果有缺失值或异常值）：

# 假设'reviews'列有缺失值
data = data.dropna(subset=['reviews'])  # 删除含有缺失值的行

5. 特征提取：
- 分离数值型和分类变量：

     numerical_features = data.select_dtypes(include='number')
     categorical_features = data.select_dtypes(include='object')

- 计算统计摘要（例如平均值、中位数、标准差等）：

     summary_stats = numerical_features.describe()

- 对分类特征进行独热编码（One-Hot Encoding）：

     categorical_encoded = pd.get_dummies(categorical_features, drop_first=True)  # 去除一个空类别

6. 数据分析：
- 相关性分析（如果数据量大且适合）：

      correlation_matrix = numerical_features.corr()

7. 结果保存：

    numerical_stats_path = 'cleaned_numerical_data.csv'
    categorical_stats_path = 'encoded_categorical_data.csv'

    numerical_stats.to_csv(numerical_stats_path)
    categorical_encoded.to_csv(categorical_stats_path)

8. 输出结果：

    print("原始数据和清理后的统计信息已保存到以下路径：\nnumerical: ", numerical_stats_path,
          "\ncategorical: ", categorical_stats_path)