با استفاده از pandas یک فایل CSV حاوی ویژگی‌ها و برچسب‌ها را بارگذاری کن، مقادیر گمشده را با میانگین هر ستون جایگزین کن، ستونِ برچسب (target) را جدا کن و داده‌ها را به مجموعهٔ آموزش و آزمایش با نسبت 80/20 تقسیم و در دو فایل CSV جداگانه ذخیره کن.

برای حل این مسئله از pandas برای خواندن فایل (pd.read_csv) و پردازش جدول استفاده کن؛ برای پر کردن مقادیر گمشده می‌توانی از df.fillna(df.mean()) یا برای هر ستون جداگانه از df['col'].fillna(df['col'].mean(), inplace=True) بهره ببری. سپس ستون هدف را جدا کرده و با sklearn.model_selection.train_test_split (یا با نمونه‌گیری تصادفی و برش دستی با numpy/pandas) داده‌ها را به نسبت 80/20 تقسیم کن؛ برای تکرارپذیری از پارامتر random_state استفاده کن و در نهایت از df.to_csv برای ذخیرهٔ مجموعه‌های آموزش و آزمایش استفاده کن. نکات: قبل از پر کردن مقادیر گمشده نوع ستون‌ها را بررسی کن، اگر ستون هدف عددی نیست تبدیل مناسب انجام ده، و هنگام ذخیره اندکس را با index=False حذف کن تا فایل خروجی تمیز باشد.