1. 導(dǎo)入數(shù)據(jù)
加載數(shù)據(jù)集的方式有很多種斋陪，從數(shù)據(jù)庫中加載无虚，從文件中加載
names = ['preg','plas','pres','skin','test','mass','pedi','age','class']
df = pd.read_csv('data/pima-indians-diabetes.csv' , names=names)
這里涉及函數(shù)：read_csv
加載數(shù)據(jù)集的時(shí)候骑科，我們需要知道，數(shù)據(jù)集的內(nèi)容构拳，分割符號等咆爽，如果是文件的話，可以先打開看一看置森。
2. 理解數(shù)據(jù)
-
查看下數(shù)據(jù)的具體內(nèi)容：
df.head()
-
查看數(shù)據(jù)集的概要描述：
df.describe()
-
查看數(shù)據(jù)集的大卸饭 ：
df.shape
-
查看字段的類型：
df.dtypes
3. 數(shù)據(jù)屬性的相關(guān)性
數(shù)據(jù)屬性的相關(guān)性，是指數(shù)據(jù)的兩個(gè)屬性是否相互影響 凫海，以及這種影響是什么方式的等
判斷屬性的相關(guān)性呛凶，會用到皮爾遜相關(guān)系數(shù)，相關(guān)系數(shù)行贪，介于-1和1之間漾稀，1表示完全正相關(guān)，-1表示完全負(fù)相關(guān)建瘫。
在機(jī)器學(xué)習(xí)中殷蛇，當(dāng)數(shù)據(jù)的相關(guān)性比較高時(shí)，有些算法的性能會降低（linear匀们、邏輯回歸算法）宴猾，當(dāng)相關(guān)性較高時(shí)，可以考慮對特征進(jìn)行降維處理
df.corr()
4. 數(shù)據(jù)的分布
通過分析數(shù)據(jù)的分布，來確認(rèn)數(shù)據(jù)的偏離情況，這里有一個(gè)概念叫偏度
偏度（skewness）也稱為偏態(tài)由捎、偏態(tài)系數(shù)，是統(tǒng)計(jì)數(shù)據(jù)分布偏斜方向和程度的度量，是統(tǒng)計(jì)數(shù)據(jù)分布非對稱程度的數(shù)字特征
正太分布的偏度為0；
偏度<0固该，則分布具有負(fù)偏離，即左偏（尾巴在左面）著淆；
偏度>0，則分布具有正偏離苔埋，即右偏（尾巴在右面）
pandas中，使用skew()函數(shù)即可
