怎么展示数据集ObesityDataSet_raw_and_data中数据形式为yes和no的个数

可以使用Python的pandas库来读取数据集，并且使用value_counts()方法来统计yes和no出现的次数。以下是示例代码：

import pandas as pd

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

# 统计yes和no出现的次数
counts = data['NObeyesdad'].value_counts()

# 打印结果
print(counts)

输出结果类似于：

Obesity              756
Overweight           671
Normal Weight        287
Insufficient_Weight   41
Name: NObeyesdad, dtype: int64

其中，counts['Obesity']表示Obesity出现的次数，counts['Overweight']表示Overweight出现的次数，以此类推。

相关问题

怎么展示出数据集ObesityDataSet_raw_and_data中FAVC中yes和no的个数

可以使用Python的pandas库来读取数据集，并且使用value_counts()方法来统计FAVC中yes和no出现的次数。以下是示例代码：

import pandas as pd

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

# 统计FAVC中yes和no出现的次数
counts = data['FAVC'].value_counts()

# 打印结果
print(counts)

输出结果类似于：

yes    1262
no      493
Name: FAVC, dtype: int64

其中，counts['yes']表示yes出现的次数，counts['no']表示no出现的次数。

怎么将数据集ObesityDataSet_raw_and_data_sinthetic.csv中数据类型为yes/no的数据转换成数值型数据

将数据类型为yes/no的数据转换成数值型数据可以采用以下两种方式：

1. 将yes替换为1，将no替换为0，可以使用Python中的replace()方法来实现，例如：

import pandas as pd

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

# 将yes替换为1，将no替换为0
df = df.replace({'yes': 1, 'no': 0})

2. 将yes编码为1，将no编码为0，可以使用sklearn.preprocessing中的LabelEncoder类来实现，例如：

from sklearn.preprocessing import LabelEncoder
import pandas as pd

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

# 将yes编码为1，将no编码为0
le = LabelEncoder()
df['Column_Name'] = le.fit_transform(df['Column_Name'])

其中，'Column_Name'是需要转换的列名。