【研学笔记】初入深度学习——预备知识之数据预处理
♥️作者:白日参商
🤵♂️个人主页:白日参商主页
♥️坚持分析平时学习到的项目以及学习到的软件开发知识,和大家一起努力呀!!!
🎈🎈加油! 加油! 加油! 加油
🎈欢迎评论 💬点赞👍🏻 收藏 📂加关注+!
本节我们将简要介绍使用pandas预处理原始数据,并将原始数据转换为张量格式的步骤。 后面的章节将介绍更多的数据预处理技术。
一、读取数据集
举一个例子,我们首先创建一个人工数据集,并存储在CSV(逗号分隔值)文件 ../data/house_tiny.csv中
。 以其他格式存储的数据也可以通过类似的方式进行处理。 下面我们将数据集按行写入CSV文件
中。
import os
os.makedirs(os.path.join('..', 'data'), exist_ok=True)
data_file = os.path.join('..', 'data', 'house_tiny.csv')
# 写入数据
with open(data_file, 'w') as f:
f.write('NumRooms,Alley,Price\n') # 列名
f.write('NA,Pave,127500\n') # 每行表示一个数据样本
f.write('2,NA,106000\n')
f.write('4,NA,178100\n')
f.write('NA,NA,140000\n')
我们来分析一下这段代码:我们先利用os.makedirs
在当前项目目录路径下创建了一个data文件夹,os.path.join()这个的本质是进行拼接,目的是为了拼接处路径
;'..'
代表的含义就是当前路径;在学这个的时候我就在想,我该怎么在绝对路径下创建呢?踩了好多坑
演示一下在C:\Users\Administrator\Desktop\模型代码\学习\data
目录下创建文件夹data,在data中创建house_tiny.csv
特别注意:在windows系统当中读取文件路径可以使用\,但是在python字符串中\有转义的含义,如\t可代表TAB,\n代表换行,所以我们需要采取一些方式使得\不被解读为转义字符。所以我们在路径前加了r,否则会报错
os.makedirs(r'C:\Users\Administrator\Desktop\模型代码\学习\data', exist_ok=True)
data_file = os.path.join(r'C:\Users\Administrator\Desktop\模型代码\学习\data', 'house_tiny.csv')
创建效果:
除此以外,我们还可以导入pandas包
并调用read_csv函数
读取csv中的数据
# 如果没有安装pandas,只需取消对以下行的注释来安装pandas
# !pip install pandas
import pandas as pd
data = pd.read_csv(data_file)
print(data)
结果为:
NumRooms Alley Price
0 NaN Pave 127500
1 2.0 NaN 106000
2 4.0 NaN 178100
3 NaN NaN 140000
二、处理缺失值
为了处理缺失的数据,典型的方法包括插值法和删除法
,首先我们对表格处理一下
#把表格前2列存在inputs中
#把表格第3列存在outputs中
inputs, outputs = data.iloc[:, 0:2], data.iloc[:, 2]
print(inputs)
print(outputs)
NumRooms Alley
0 NaN Pave
1 2.0 NaN
2 4.0 NaN
3 NaN NaN
0 127500
1 106000
2 178100
3 140000
Name: Price, dtype: int64
# 对inputs中元素求平均值并将平均值替换inputs中缺失值
inputs = inputs.fillna(inputs.mean())
print(inputs)
结果为:
NumRooms Alley
0 3.0 Pave
1 2.0 NaN
2 4.0 NaN
3 3.0 NaN
由于“巷子类型”(“Alley”)列只接受两种类型的类别值“Pave”和“NaN”
, pandas可以自动将此列转换为两列“Alley_Pave”和“Alley_nan”
。 巷子类型为“Pave”的行会将“Alley_Pave”的值设置为1,“Alley_nan”的值设置为0。 缺少巷子类型的行会将“Alley_Pave”和“Alley_nan”
分别设置为0和1。
inputs = pd.get_dummies(inputs,dummy_na=True)
print(inputs)
结果为:
NumRooms Alley_Pave Alley_nan
0 3.0 1 0
1 2.0 0 1
2 4.0 0 1
3 3.0 0 1
三、转换为张量格式
现在inputs和outputs中的所有条目都是数值类型,它们可以转换为张量格式
。
X, y = torch.tensor(inputs.values), torch.tensor(outputs.values)
print(X,y)
结果为:
tensor([[3., 1., 0.],
[2., 0., 1.],
[4., 0., 1.],
[3., 0., 1.]], dtype=torch.float64)
tensor([127500, 106000, 178100, 140000])
总结
本节主要学习了如何使用pandas预处理原始数据,并将原始数据转换为张量格式的步骤。 后面我将会继续介绍更多的数据预处理技术。
🎈🎈加油! 加油! 加油! 加油
🎈欢迎评论 💬点赞👍🏻 收藏 📂加关注+!