#没有初始配置
>>> 多拉 = 多拉（）>>> 多拉.配置(输出 = “A”,数据 = '路径/to/data.csv')#与相同
>>> 进口 熊猫 作为 钯
>>> 数据帧 = 钯.读取csv('path/to/data.csv')>>> 多拉 = 多拉(输出 = “A”,数据 = 数据帧)>>> 多拉.数据
   A类   B类  C类      D类  无用途特性
0  1   2  0   左边                1
1  4 硝酸钠  1  正确的                1
2  7   8  2   左边                1

#读取缺少值和缩放不良值的数据
>>> 进口 熊猫 作为 钯
>>> 数据流 = 钯.数据帧([...   [1,2,100],...   [2,无,200],...   [1,6,无]... ])>>> 多拉 = 多拉(输出 = 0,数据 = 数据流)>>> 多拉.数据
   0   1    2
0  1   2  100
1  2 硝酸钠  200
2  1   6  硝酸钠

#插补缺失值（使用每列的平均值）
>>> 多拉.输入缺失值（）>>> 多拉.数据
   0  1    2
0  1  2  100
1  2  4  200
2  1  6  150

#缩放输入变量的值（中心到平均值和缩放到单位方差）
>>> 多拉.缩放输入值（）>>> 多拉.数据
   0         1         2
0  1 -1.224745 -1.224745
1  2  0  1.224745
2  1  1.224745  0

#特征选择/删除特征
>>> 多拉.数据
   A类   B类  C类      D类  无用途特性
0  1   2  0   左边                1
1  4 硝酸钠  1  正确的                1
2  7   8  2   左边                1

>>> 多拉.删除功能(“useless_feature”)>>> 多拉.数据
   A类   B类  C类      D类
0  1   2  0   左边
1  4 硝酸钠  1  正确的
2  7   8  2   左边

#通过单热点编码提取序数特征
>>> 多拉.提取序号特征(“D”)>>> 多拉.数据
   A类   B类  C类  D类=左边  D类=正确的
0  1   2  0       1        0
1  4 硝酸钠  1       0        1
2  7   8  2       1        0

#提取另一个特征的变换
>>> 多拉.提取特征(“C”,“两个C”,λ x个:x个 * 2)>>> 多拉.数据
   A类   B类  C类  D类=左边  D类=正确的  两个C
0  1   2  0       1        0     0
1  4 硝酸钠  1       0        1     2
2  7   8  2       1        0     4

#根据输出变量绘制单个特征
多拉.绘图_特征('列名')#根据输出变量呈现每个特征的图
多拉.探索（）

#创建训练/验证数据的随机分区（~80/20分割）
多拉.设置训练和验证（）#根据数据训练模型
X（X） = 多拉.培训_数据[多拉.输入_列()]年 = 多拉.培训_数据[多拉.输出]某个模型.适合(X（X）,年)#验证模型
X（X） = 多拉.验证数据[多拉.输入_列()]年 = 多拉.验证数据[多拉.输出]一些模型.分数(X（X）,年)

#保存数据的一个版本
>>> 多拉.数据
   A类   B类  C类      D类  无用途特性
0  1   2  0   左边                1
1  4 硝酸钠  1  正确的                1
2  7   8  2   左边                1
>>> 多拉.快照('initial_data')#跟踪数据的更改
>>> 多拉.删除功能(“useless_feature”)>>> 多拉.提取序号特征(“D”)>>> 多拉.输入缺失值（）>>> 多拉.缩放输入值（）>>> 多拉.数据
   A类         B类         C类    D类=左边   D类=正确的
0  1 -1.224745 -1.224745  0.707107 -0.707107
1  4  0  0 -1.414214  1.414214
2  7  1.224745  1.224745  0.707107 -0.707107

>>> 多拉.日志[“self.remove_feature（'useless_feature'）”,“self.extract_ordinal_feature（'D'）”,'自身.impute_missing_values（）','自身.scale_input_values（）']#使用以前版本的数据
>>> 多拉.快照('变压器1')>>> 多拉.使用快照('initial_data')>>> 多拉.数据
   A类   B类  C类      D类  无用途特性
0  1   2  0   左边                1
1  4 硝酸钠  1  正确的                1
2  7   8  2   左边                1
>>> 多拉.日志[]#切换回您的转换
>>> 多拉.使用快照('转换1')>>> 多拉.数据
   A类         B类         C类    D类=左边   D类=正确的
0  1 -1.224745 -1.224745  0.707107 -0.707107
1  4  0  0 -1.414214  1.414214
2  7  1.224745  1.224745  0.707107 -0.707107
>>> 多拉.日志[“self.remove_feature（'useless_feature'）”,“self.extract_ordinal_feature（'D'）”,'自身.impute_missing_values（）','自身.scale_input_values（）']