健康与营养咨询数据预处理与数据规范设计
（1）人工智能训练师主机 1 台；
（2）Python 编译环境；
（3）健康咨询客户数据集。
20min
在健康与营养咨询领域，客户的健康数据是评估其饮食和生活方式建议的重要依据。通过对客户健康数据的分析，可以帮助健康咨询师更准确地评估客户的健康状况，并制定个性化的营养和健康管理计划。现提供一份健康咨询客户数据集。请补全2.1.5.ipynb代码，完成下面的数据预处理任务：
（1）加载数据集：查看表的数据类型，表结构和显示每一列的空缺值数量；
（2）缺失值处理：对于含有缺失值的行进行删除操作；
（3）数据类型转换：将“Your age”列的数据类型转换为整数类型，并处理其中的异常值；
（4）数据去重：检查数据集中的重复值并删除所有重复值，并记录删除的行数；
（5）数据归一化处理：对“如何形容你的当前健身水平？”（How do you describe your current level of fitness ?）列中的数据进行归一化处理；
（6）绘制健身频率分布的饼图；
（7）对数据进行标注划分；
（8）保存处理后的数据，并命名为：2.1.5_cleaned_data.csv，保存到考生文件夹；
（9）制定数据清洗和数据标注规范，将答案写到答题卷文件中，答题卷文件命名为“2.1.5.docx”，保存到考生文件夹；
（10）将以上代码以及运行结果，以html格式保存并命名为2.1.5.html，保存到考生文件夹，考生文件夹命名为“准考证号+身份证后6位”。
（1）能够结合人工智能技术要求和业务特征，设计数据清洗和标注流程；
（2）能够结合人工智能技术要求和业务特征，制定数据清洗和标注规范。
（1）深入理解业务，训练符合业务需求的模。
考生文件夹可以保存在桌面。
jupyter notebook 工作目录（根目录）：虚拟机环境中的D:\jupyter_notebook。
jupyter notebook 打开方式：在终端中输入jupyter notebook启动。
ipynb填充代码运行后，保存为html格式上传。保存方法：jupyter notebook中File->Download as->HTML(.html)。
ipynb代码在下划线上填充，请勿随意添加、删除或修改源代码的其他部分，以免影响考试结果。