bjir moment

#1. Load dataset

#impor library panda untuk membaca data
import pandas

# membaca file dan direktori tempat iris.data.csv disimpan
direktori = "hepatisis.data.csv"

# memberi nama variabel
names = ['class','age', 'sex','steroid','antiviral','fatigue', 'malaise','anorexia','liver-big','liver-firm', 'spleen-palpable','spiders','ascites','varices', 'bilirubin','alk-phosphate','sgot','albumin', 'protime','histology']

datamissing = pandas.read_csv(direktori, names=names, na_values=["?"])
#panggil dataset
array = datamissing.values
# pisah input dan output
x = array[:,0:19] #inputnya adalah kolom ke-0, 1, 2, 3
y = array[:,0] #outputnya adalah kolom ke 4
#imputasi mean
imp = SimpleImputer(missing_values=np.nan, strategy="median")
#simpan hasil imputasi ke dalam variable X
X = imp.fit_transform(x)
scaler = MinMaxScaler(feature_range=(0, 1))
rescaledX = scaler.fit_transform(X)

#2. Ringkasan dari dataset

#mengecek jumlah baris dan kolom
print(rescaledX.shape)

#melihat 20 baris pertama dari dataset
print(rescaledX.head(20))

# melihat ringkasan statistik dari setiap atribut, yakni count, unique, top dan freq
print(rescaledX.describe())

#melihat detail data berdasarkan variabel, misal jumlah baris
print(rescaledX.groupby('class').size())

#Viasualisasi Dataset
#UNIVARIATE PLOT untuk memahami tiap atribut/variable
#Boxplot
#import matplotlib.pyplot
rescaledX.plot(kind='box', subplots=True, layout=(2,2), sharex=False, sharey=False)

#plt.show() #not callable
#Histogram
#Box and Whisker Plots untuk membuat histogram setiap input variable, untuk mengetahui distribusi
#histograms
rescaledX.hist()

#plt().show() #not callable
#MULTIVARIATE PLOT untuk membantu memahami interaksi antar variable
#Scatter Plot

from pandas.plotting import scatter_matrix
scatter_matrix(rescaledX)
#pada diagoalnya terlihat korelasi yag sangat tinggi dan dapat diprediksi..