比赛地址：https://tianchi.aliyun.com/competition/entrance/531830/introduction
    教材：
    https://github.com/datawhalechina/team-learning-data-mining/blob/master/FinancialRiskControl/Task2%20%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90.md


    Todo:

    • 目的是什么

    • [x] 跟着指导实践



      目的：
      了解怎们对数据集整体基本情况做分析
      了解变量间的相关性

      image.png

      实践：
      通过info查看数据类型
      image.png
      有缺失的列：

      image.png

      这种写法貌似是等价的
      image.png
      用plot可以直接绘制分布图
      image.png

      对连续变量的分析，这一步报错了
      image.png

      9月22日，anaconda里更新到python3.8，重新安装后，上面的错误解决了，不再纠结
      image.png

    问题：

    • 对于有缺失的特征，然后怎么办？什么时候选择去除整个列，什么时候选择填充
    • 因为没用系统的学习pandas、numpy的用法，一些用法不能很好的理解：missing = missing[missing >　0]

    • 特征分箱？WOE编码？



      总结：

    • pandas：

    isnull获取缺失值
    nunique获取单一值的特征

    • 分析的过程：

    1、基本的数据类型、数量、范围
    2、查看缺失的列数据、行数据，进一步决定早怎么处理缺失值
    3、查看哪些变量是数值变量：
    进一步：哪些是离散变量，哪些是连续变量。分别做可视化观察分布情况

    • 对非数值型变量做分析
    • 查看变量在不同的y值上的分布