import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
#读取一个Excel文件，并将读取到的数据存储在变量data中
data = pd.read_excel('大学生低碳生活行为的影响因素数据集.xlsx')
#打印出数据集的前5行
print(data.head())

#处理数据集中的缺失值
initial_row_count = data.shape[0]
data = data.dropna()
final_row_count = data.shape[0]
print(f'处理后数据行数: {final_row_count}, 删除的行数: {initial_row_count - final_row_count}')

#删除重复行
data =data.drop_duplicates()

from sklearn.preprocessing import StandardScaler
numerical_features = ['4.您的月生活费○≦1,000元   ○1,001-2,000元   ○2,001-3,000元   ○≧3,001元']
scaler = StandardScaler()
data[numerical_features] = scaler.fit_transform(data[numerical_features])

selected_features = [
    '1.您的性别○男性   ○女性', '2.您的年级○大一   ○大二   ○大三   ○大四', '3.您的生源地○农村   ○城镇（乡镇）   ○地县级城市  ○省会城市及直辖市', '4.您的月生活费○≦1,000元   ○1,001-2,000元   ○2,001-3,000元   ○≧3,001元',
    '5.您进行过绿色低碳的相关生活方式吗?', '6.您觉得“低碳”，与你的生活关系密切吗？',
    '7.低碳生活是否会成为未来的主流生活方式？', '8.您是否认为低碳生活会提高您的生活质量？'
]
X = data[selected_features]

# 创建目标变量
y = data['低碳行为积极性']
from sklearn.model_selection import train_test_split
# 数据划分
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 保存处理后的数据
cleaned_data = pd.concat([X, y], axis=1)
cleaned_data.to_csv('2.1.2_cleaned_data.csv', index=False)

   序号  所用时间  1.您的性别○男性   ○女性  2.您的年级○大一   ○大二   ○大三   ○大四  \
0   1  130秒                1                          2.0   
1   2   82秒                1                          2.0   
2   3  230秒                1                          2.0   
3   4   96秒                1                          2.0   
4   6  157秒                1                          2.0   

   3.您的生源地○农村   ○城镇（乡镇）   ○地县级城市  ○省会城市及直辖市  \
0                                       2.0   
1                                       3.0   
2                                       3.0   
3                                       2.0   
4                                       1.0   

   4.您的月生活费○≦1,000元   ○1,001-2,000元   ○2,001-3,000元   ○≧3,001元  \
0                                                2.0             
1                                                2.0             
2                                                2.0             
3                                                2.0             
4                                                2.0             

   5.您进行过绿色低碳的相关生活方式吗?  6.您觉得“低碳”，与你的生活关系密切吗？  7.低碳生活是否会成为未来的主流生活方式？  \
0                  1.0                    1.0                    1.0   
1                  1.0                    1.0                    2.0   
2                  1.0                    1.0                    2.0   
3                  2.0                    2.0                    2.0   
4                  1.0                    1.0                    2.0   

   8.您是否认为低碳生活会提高您的生活质量？  ...  我有足够知识进行低碳生活  14.我打算以后…—减少使用一次性产品  合理处理生活中的废弃物  \
0                      2  ...             5                    4            4   
1                      2  ...             4                    4            3   
2                      3  ...             3                    4            5   
3                      2  ...             2                    2            5   
4                      2  ...             4                    5            5   

   在日常生活中会进行垃圾分类  尽可能劝说周围的人进行低碳生活  15.日常生活中，我会......—对垃圾进行分类  重复利用废旧物品  \
0              3                3                          3         4   
1              4                5                          4         3   
2              3                3                          3         4   
3              2                2                          2         2   
4              5                5                          5         5   

   避免使用一次性产品  劝说周围的人进行低碳生活  低碳行为积极性  
0          4             3        0  
1          4             4        0  
2          3             3        0  
3          2             2        0  
4          4             3        0  

[5 rows x 41 columns]
处理后数据行数: 305, 删除的行数: 13