现在是为您的机器学习算法准备数据的时候了。您应该编写函数来实现这一点，而不是手工操作，原因如下:

• 这将允许您轻松地在任何数据集上复用这些转换(例如，下一次您获得一个新的数据集)。

• 您将逐步构建一个转换函数库，您可以在将来的项目中重用它

• 您可以在您的实时系统中使用这些函数来转换新数据，然后再将其添加到您的算法中。

• 这将使您能够轻松地尝试各种转换，并查看哪些转换组合最有效。

但首先让我们回归到一个干净的训练集(通过再一次复制strat_train_set),让我们分离预测因素和标签，因为我们并不一定要对预测因素和目标值（即label）应用相同的转换(请注意，drop()创建了数据的副本，并且不影响strat_train_set).

housing = strat_train_set.drop("median_house_value", axis=1)
housing_labels = strat_train_set["median_house_value"].copy()