机器学习补充

data.isna().sum() 查看缺失状况

data.dropna(how = 'all')    # 传入这个参数后将只丢弃全为缺失值的那些行
data.dropna(axis = 1)       # 丢弃有缺失值的列（一般不会这么做，这样会删掉一个特征）
data.dropna(axis=1,how="all")   # 丢弃全为缺失值的那些列
data.dropna(axis=0,subset = ["Age", "Sex"])   # 丢弃‘Age’和‘Sex’这两列中有缺失值的行    
 

时序类数据评估

重新编码
hubei_confrim.reset_index(drop=True,inplace=True)

指定x y 画图

def mypolt(col):
    plt.figure(figsize=(17,10))
    plt.xlabel('Time')
    plt.ylabel(col)
    plt.plot(hubei_confrim['ObservationDate'] ,hubei_confrim[col],'bD-')
    plt.show()