با استفاده از pandas، یک فایل CSV شامل ویژگی‌ها و برچسب هدف را بخوانید، مقادیر گمشده را پر کنید، ستون‌های دسته‌ای را به متغیرهای عددی تبدیل کنید، ستون‌های ورودی و خروجی را جدا کنید، داده‌ها را به مجموعه‌های آموزش و تست تقسیم کنید و هر مجموعه را به فایل CSV جدید ذخیره کنید.

برای حل این مسئله از pandas برای خواندن فایل (pd.read_csv)، بررسی و پر کردن مقادیر گمشده (df.fillna یا df.dropna بسته به نیاز)، و تبدیل ستون‌های دسته‌ای به عددی (pd.get_dummies یا sklearn.preprocessing.LabelEncoder) استفاده کنید. سپس ستون هدف را جدا کرده و با sklearn.model_selection.train_test_split داده‌ها را به دو مجموعه آموزش و تست تقسیم کنید و خروجی‌ها را با df.to_csv ذخیره کنید. نکات مفید: ابتدا dtypes و نمونه‌ای از داده‌ها را بررسی کنید، از random_state برای تکرارپذیری استفاده کنید و هنگام انجام طبقه‌بندی از پارامتر stratify در train_test_split بهره ببرید.