import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

dataset = pd.read_csv('data (1).csv') # read_csv：讀取csv文件
#創(chuàng)建一個包含所有自變量的矩陣，及因變量的向量
#iloc表示選取數(shù)據(jù)集的某行某列；逗號之前的表示行，之后的表示列；冒號表示選取全部，沒有冒號，則表示選取第幾列；values表示選取數(shù)據(jù)集里的數(shù)據(jù)。
X = dataset.iloc[:, :-1].values # 選取數(shù)據(jù)，不選取最后一列。
y = dataset.iloc[:, 3].values # 選取數(shù)據(jù),選取每行的第3列數(shù)據(jù)

from sklearn.preprocessing import Imputer #進(jìn)行數(shù)據(jù)挖掘及數(shù)據(jù)分析的標(biāo)準(zhǔn)庫，Imputer缺失數(shù)據(jù)的處理
#Imputer中的參數(shù)：missing_values 缺失數(shù)據(jù)，定義怎樣辨認(rèn)確實(shí)數(shù)據(jù)，默認(rèn)值：nan ;strategy 策略，補(bǔ)缺值方式 ： mean-平均值 ， median-中值 ， most_frequent-出現(xiàn)次數(shù)最多的數(shù) ； axis =0取列 =1取行 
imputer = Imputer(missing_values = 'NaN', strategy = 'mean', axis = 0)
imputer = imputer.fit(X[:, 1:3])#擬合fit
X[:, 1:3] = imputer.transform(X[:, 1:3])

from sklearn.preprocessing import LabelEncoder,OneHotEncoder
labelencoder_X=LabelEncoder()
X[:,0]=labelencoder_X.fit_transform(X[:,0])
onehotencoder=OneHotEncoder(categorical_features=[0])
X=onehotencoder.fit_transform(X).toarray()
#因?yàn)镻urchased是因變量，Python里面的函數(shù)可以將其識別為分類數(shù)據(jù)，所以只需要LabelEncoder轉(zhuǎn)換為分類數(shù)字
labelencoder_y=LabelEncoder()
y=labelencoder_y.fit_transform(y)

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=0)
#X_train（訓(xùn)練集的字變量）,X_test（測試集的字變量）,y_train（訓(xùn)練集的因變量）,y_test（訓(xùn)練集的因變量）
#訓(xùn)練集所占的比重0.2~0.25，某些情況也可分配1/3的數(shù)據(jù)給訓(xùn)練集；train_size訓(xùn)練集所占的比重
#random_state決定隨機(jī)數(shù)生成的方式，隨機(jī)的將數(shù)據(jù)分配給訓(xùn)練集和測試集；random_state相同時會得到相同的訓(xùn)練集和測試集

#特征縮放（兩種方式：一：Standardisation(標(biāo)準(zhǔn)化）；二：Normalisation（正?；?
from sklearn.preprocessing import StandardScaler
sc_X=StandardScaler()
X_train=sc_X.fit_transform(X_train)#擬合,對X_train進(jìn)行縮放
X_test=sc_X.transform(X_test)#sc_X已經(jīng)被擬合好了，所以對X_test進(jìn)行縮放時，直接轉(zhuǎn)換X_test