Pandas (scikit-learn Guide)
一个指导如何在scikit-learn中高效使用Pandas进行数据预处理的Skill。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Pandas (scikit-learn Guide)。 它的用途是：一个指导如何在scikit-learn中高效使用Pandas进行数据预处理的Skill。 详细介绍见：https://321skill.com/skills/pandas-scikit-learn-guide/ 请根据该页面的说明完成安装。
使用示例
“我有一个包含分类特征和数值特征的DataFrame，需要先处理缺失值，然后对分类特征进行独热编码，最后用逻辑回归建模。请给出完整的代码步骤。” 它会提供一个集成了Pandas数据操作和scikit-learn Pipeline的示例代码，并解释每个转换器的作用和关键参数。
介绍
本Skill旨在解决数据分析师和机器学习开发者在构建模型时，如何将Pandas数据操作与scikit-learn机器学习流程无缝集成的问题。它提供了具体的代码示例和最佳实践，指导用户如何利用Pandas进行数据清洗、特征工程，并顺利将处理后的数据输入到scikit-learn的模型中进行训练和评估。
使用方式简单直接，用户可以通过查询或请求示例，快速获得针对特定数据处理任务（如处理缺失值、编码分类变量、特征缩放）的Pandas与scikit-learn结合代码片段。Skill会解释关键步骤和参数，帮助用户理解背后的原理。
它非常适合正在学习或应用机器学习的数据分析师、数据科学家、高校学生以及任何需要将数据预处理与模型训练流程标准化的开发者。对于希望提升代码效率和模型构建流程规范性的团队尤其有帮助。
建议用户在使用前具备基础的Pandas和scikit-learn知识。本Skill侧重于流程整合与最佳实践演示，对于极其复杂或定制化的特征工程需求，用户可能需要在理解示例的基础上进行二次开发。注意确保输入数据的格式符合scikit-learn的要求。
核心特点
与单纯介绍Pandas或scikit-learn的教程不同，本Skill核心聚焦于两者在机器学习管道中的协同工作流，提供“即插即用”的集成代码模式，而非孤立的功能讲解。它特别强调了如何将DataFrame转换为scikit-learn兼容的格式，并处理常见的集成痛点。
注意事项
不适合需要深度定制算法、研究前沿模型理论，或处理非表格化数据（如图像、文本原始数据）的场景。
常见问题
如何用这个Skill处理数据中的缺失值？
Skill会提供使用Pandas识别缺失值，并结合scikit-learn的SimpleImputer等转换器进行填充的完整代码示例。
它能帮我将分类变量转换成模型可用的数字吗？
是的，Skill会演示如何使用Pandas的get_dummies或scikit-learn的OrdinalEncoder、OneHotEncoder来处理分类特征，并集成到预处理流程中。