kaggle中中风预测数据集数据清洗代码

下面是一个简单的数据清洗代码示例，用于对Kaggle中的中风预测数据集进行数据清洗：

import pandas as pd
import numpy as np

# 读入原始数据集
data = pd.read_csv("stroke_data.csv")

# 删除缺失值过多的列
data = data.drop(columns=["id", "smoking_status"])

# 处理缺失值
data["bmi"].fillna(data["bmi"].mean(), inplace=True)
data.dropna(inplace=True)

# 将分类变量转换为数值变量
data["gender"] = data["gender"].apply(lambda x: 0 if x == "Female" else 1)
data["ever_married"] = data["ever_married"].apply(lambda x: 0 if x == "No" else 1)
data["work_type"] = data["work_type"].map({"Private": 0, "Self-employed": 1, "Govt_job": 2, "children": 3, "Never_worked": 4})

# 对数值变量进行标准化处理
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
data[["age", "avg_glucose_level", "bmi"]] = scaler.fit_transform(data[["age", "avg_glucose_level", "bmi"]])

# 将目标变量移动到数据集的最后一列
data = data[["gender", "age", "hypertension", "heart_disease", "ever_married", "work_type", "Residence_type", "avg_glucose_level", "bmi", "stroke"]]

该代码首先读入原始数据集，并删除缺失值过多的列。接下来，使用平均值填补缺失值，并将分类变量转换为数值变量。最后，对数值变量进行标准化处理，并将目标变量移动到数据集的最后一列。