数据清洗、分析、可视化、特征选择和预测建模
之前我有一些关于探索性数据分析的教程，但我觉得应该再做更多的内容。将一个数据集进行探索，进行数据清洗、分析、可视化和预测模型，这是必要的。作为一名数据科学家或数据分析师，我们可能需要处理许多陌生的数据，有时甚至可能不了解特征，但这不应该阻止我们完成工作。最好能很好地了解特征。但如果没有该信息，分析部分也不应受影响。
在本文中，我将使用从Kaggle获取的一个数据集。我们大多数人可能不了解特征或列名。但让我们看看我们能做些什么。
我们将重点关注：
- 对数据集的基本了解。
- 通过一些可视化，进行思考并在更深层次上获取对数据集的整体理解。
- 找到从基本可视化中得出特定信息的方法。
- 进行预测建模。
请随意从此链接下载数据集：
Florida_Subsidence_Incident_Reports csv文件（kaggle.com）
首先进行必要的导入：
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt
import seaborn as sns使用数据创建一个Pandas的DataFrame：
pd.set_option('display.max_columns', 100)
df1 = pd.read_csv('Florida_Subsidence_Incident_Reports.csv')数据集太大了，所以我这里不显示预览。以下是数据集的列名：
索引（Index）：['X'，'Y'，'OBJECTID'，'REF_NUM'，'DATE_REV'，'EVENT_DATE'，'TRUE_SINK'，'LONGDD'，'LATDD'，'COUNTY'，'TWNSHP'，'TWNSHP_D'，'RANGE'，'RANGE_D'，'SECTION'，'QTRSECT1'，'QTRSECT2'，'ACCURACY'，'RPT_SOURCE'，'RPT_NAME'，'OCITY'，'OZIP'，'SIZDIM'，'SINSHAPE'，'SINLNGTH'，'SINWIDTH'，'SINDEPTH'，'SLOPE'，'WATSIN'，'WATBLS'，'LIMVIS'…