Github：[deepakdeepu8978-USAccidents](https://github.com/RainBowT0506/deepakdeepu8978-USAccidents)
Kaggel：[how Severity the Accidents is ?](https://www.kaggle.com/code/deepakdeepu8978/how-severity-the-accidents-is/comments)

# 認識數據

# 找出該欄位中所有不重複的值
## 來源

train_df.Source.unique()

array(['MapQuest', 'MapQuest-Bing', 'Bing'], dtype=object)

## 州

states = train_df.State.unique()

State ：
['OH' 'WV' 'CA']

# 按州可視化事故分佈

# 每列中缺失值的數量

# 可視化起點位置關係

# 視覺化終點位置關係

# 最容易發生事故的 5 種天氣狀況

# 特徵工程
## 建立 dtype 資料框

## 按類型聚合資料類型計數

## 辨識高度缺失列

## 按缺失計數篩選列

['TMC',
 'End_Lat',
 'End_Lng',
 'Number',
 'Wind_Chill(F)',
 'Wind_Speed(mph)',
 'Precipitation(in)']

# 變數的相關係數

## 分析唯一值

Turning_Loop 1
Visibility(mi) 68
Pressure(in) 311
Humidity(%) 98
Temperature(F) 769
TMC 22

## 選擇顯著相關性

# 可視化
## 可視化相關熱圖

## 可視化特徵分佈
## 可視化嚴重性分佈百分比
## 可視化風寒的嚴重程度

## 可視化嚴重性舒適度分佈

## 可視化風寒強度分佈

## 可視化嚴重性交叉分佈

## 可視化嚴重程度連結分佈

## 可視化嚴重程度的交通號誌分佈

## 可視化特徵重要性

## 可視化 xgboost 特徵重要性