用pandas进行简单的数据预处理

首先看这样的数据。

这是kaggle上的关于员工离职的数据，现在要根据满意度，工作项目， 薪水等指标判断一个员工是否会离职。在进行机器学习之前，我们首先要进行数据的清理及预处理。

数据下载

https://github.com/ardendertat/Applied-Deep-Learning-with-Keras/blob/master/data/HR.csv

1、查看统计数据

csv文件读取

拿到数据以后，一般都要先看看数据长啥样，有多大，都有什么特征，用pandas查看这些是非常方便的。针对本例子中的csv文件， 我们使用read_csv函数来读取， 读进来之后是pandas中的DataFrame格式。

import numpy as np
import pandas as pd
# 使用read_csv读取数据
hr = pd.read_csv("HR.csv")

但有一点要注意，读取的时候要先看一下csv文件中格式。主要看两点，一是第一列（也有可能是前几列）是不是索引，二是看第一行是数据还是feature的名称。 read_csv方法默认会将第一行当成feature来解析。

# 如果第一列是索引
pd.read_csv('data.csv', index_col=0)
# 如果是纯数据没有feature的话
pd.read_csv('data.csv', header=None)

实际上如果你用的是ipython，可以直接输入 pd.read_csv?