项目视频讲解：

基于机器学习的居民消费影响因子分析预测_哔哩哔哩_bilibili

主要工作内容：

完整代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import missingno as msno
import warnings
warnings.filterwarnings('ignore')

#设置字体为SimHei显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'

#设置正常显示负号字符
plt.rcParams['axes.unicode_minus'] = False

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

data.sample(10)

# 检查缺失值
missing_values = data.isnull().sum()
missing_values = missing_values[missing_values > 0].sort_values(ascending=False)

# 缺失占比
missing_percentage = (missing_values / len(data)) * 100

missing_data