首先删除 nans 然后拆分为训练和验证

在进行机器学习建模时，常常需要对数据进行清洗和预处理。其中一个常见问题是数据中存在缺失值（nans）的情况。在进行建模之前，我们需要将这些缺失值进行处理。本文将介绍如何通过 Python 的 pandas 库来删除数据中的缺失值，并将处理后的数据集拆分为训练集和验证集。

删除缺失值

在使用 pandas 处理数据时，我们可以使用 dropna() 方法来删除数据中的缺失值。下面是一个简单的示例代码：

import pandas as pd

# 读取数据集
data = pd.read_csv('data.csv')

# 删除缺失值
data = data.dropna()

在上面的代码中，我们首先使用 pandas 的 read_csv() 方法来读取数据集。然后，我们使用 dropna() 方法来删除数据中的缺失值。需要注意的是，dropna() 方法会返回一个新的数据集，所以我们需要将其赋值给原始的数据集变量（在本例中，我们使用了 data 变量）。

拆分为训练和验证集

在完成数据清洗之后，我们需要将数据集拆分为训练集和验证集。这有助于我们评估建模的性能，并防止过拟合。

在 Python 中，我们可以使用 sklearn 库的 train_test_split() 方法来进行数据集的拆分。下面是一个示例代码：

from sklearn.model_selection import train_test_split

# 拆分为训练集和验证集
X_train, X_test, y_train, y_test = train_test_split(data.drop(['label'], axis=1), data['label'], test_size=0.2)

在上面的代码中，我们首先从 sklearn 库中导入 train_test_split() 方法。然后，我们使用该方法来将数据集拆分为训练集和验证集。需要注意的是，train_test_split() 方法会返回四个变量：X_train、X_test、y_train 和 y_test。其中，X_train 和 X_test 分别表示训练集和验证集的特征数据，y_train 和 y_test 则表示训练集和验证集的标签数据。

我们可以通过设置 test_size 参数来控制验证集的比例。在上面的代码中，我们将 test_size 设置为 0.2，表示将数据集的 20% 用作验证集，80% 用作训练集。

至此，我们已经完成了数据集的清洗和拆分。接下来，我们可以开始对数据集进行建模和分析。