大家好，接續昨天的房價預測，已經做了大致上的介紹，而今天要做的就是對昨天下載的資料集，「House Sales in King County, USA」的資料進行處理。

首先要匯入要用到的套件：

import numpy as np
import pandas as pd

再來要讀取資料集的資料，使用的是pandas函式庫的read_csv方法，將檔案放到虛擬環境的位置，再執行方法：
data=pd.read_csv(“kc_house_data.csv”)
然後可以用以下方法查看讀取的資料：
顯示資料：
data.head()

顯示資料型態：
data.dtypes

在上面顯示的資料集可以看到，資料date的資料型態非數值，而模型的輸入只接受數值型態，所以要將其轉為數值，並且分成年、月、日三種資料，這裡以‘20141013T000000’這筆資料為例：

data['year']=pd.to_numeric(data['date '].str.slice(0,4))
data['month ']=pd.to_numeric(data['date'].str.slice(4,6))
data['day ']=pd.to_numeric(data['date'].str.slice(6,8))

上面三行分別代表的數值是2014、10、13。
接著要刪除沒有用的資料，要刪除的有id和date，id是無意義的資料，date已經分成年、月、日三種資料。

data.drop(['id'],axis="columns",inplace=True)
data.drop(['date'],axis="columns",inplace=True)

可以從上圖確認id和date已經被刪除。
再來要將資料集分成三個部分，分別是訓練資料、驗證資料、測試資料，資料用亂數分組，各組資料比例為6：2：2。

num=data.shape[0]
indexs=np.random.permutation(num)
train_indexs=indexs[:int(num*0.6)]
val_indexs=indexs[int(num*0.6):int(num*0.8)]
test_indexs=indexs[int(num*0.8)]

今天就先做到這一步，明天會將資料進行標準化，並且建立模型