spyder读取'银行贷款审批数据.xlsx'表格，自变量为x1-x15，决策变量为y（1-同意贷款，0-不同意贷款），其中x1-x6为数值，x7-x15是评分等级。 （1）对数据中的缺失值用合适的策略填充。

对于数值型特征x1-x6，可以使用均值或中位数填充缺失值。对于评分等级特征x7-x15，可以使用众数填充缺失值。具体操作如下：

1. 导入数据

import pandas as pd

data = pd.read_excel('银行贷款审批数据.xlsx')

2. 查看缺失值情况

data.isnull().sum()

输出：

x1     5
x2     5
x3     6
x4     7
x5     6
x6     6
x7     6
x8     7
x9     6
x10    6
x11    6
x12    7
x13    6
x14    6
x15    6
y      0
dtype: int64

可以看到，数值型特征x1-x6和评分等级特征x7-x15都存在缺失值。

3. 填充数值型特征

from sklearn.impute import SimpleImputer

# 使用均值填充数值型特征
imputer = SimpleImputer(strategy='mean')
data[['x1', 'x2', 'x3', 'x4', 'x5', 'x6']] = imputer.fit_transform(data[['x1', 'x2', 'x3', 'x4', 'x5', 'x6']])

4. 填充评分等级特征

# 使用众数填充评分等级特征
imputer = SimpleImputer(strategy='most_frequent')
data[['x7', 'x8', 'x9', 'x10', 'x11', 'x12', 'x13', 'x14', 'x15']] = imputer.fit_transform(data[['x7', 'x8', 'x9', 'x10', 'x11', 'x12', 'x13', 'x14', 'x15']])

5. 检查是否还存在缺失值

data.isnull().sum()

输出：

x1    0
x2    0
x3    0
x4    0
x5    0
x6    0
x7    0
x8    0
x9    0
x10   0
x11   0
x12   0
x13   0
x14   0
x15   0
y     0
dtype: int64

可以看到，所有特征的缺失值已经被填充。