import zipfile import numpy as np import pandas as pd from sklearn import preprocessing with zipfile.ZipFile('covid-world-vaccination-progress.zip', 'r') as zip_ref: zip_ref.extractall(".") df = pd.read_csv('country_vaccinations.csv') # podział danych na train/validate/test (6:2:2) za pomocą biblioteki numpy i pandas train, validate, test = np.split(df.sample(frac=1), [int(.6*len(df)), int(.8*len(df))]) # Wypisanie ilości elementów w poszczególnych ramkach danych print("Whole set size".ljust(20), df.size) print("Train set size: ".ljust(20), train.size) print("Validate set size: ".ljust(20), validate.size) print("Test set size: ".ljust(20), test.size) df.describe(include='all') for col in df.columns: column = df[col].value_counts().plot(kind="bar",figsize=(30,10)) print("\n", col) print(column) # normalizacja wartości numerycznych numeric_values = df.select_dtypes(include='float64').values # tylko wartości numeryczne min_max_scaler = preprocessing.MinMaxScaler() x_scaled = min_max_scaler.fit_transform(values) numeric_columns = df.select_dtypes(include='float64').columns df_normalized = pd.DataFrame(x_scaled, columns=numeric_columns) for col in df.columns: # usunięcie nieznormalizowanych danych i wstawienie nowych już znormalizowanych do oryginalnej ramki danych if col in numeric_columns: df[col] = df_normalized[col] df.dropna() # usunięcie wierszy z polami NaN