李沐【动手学深度学习V2】-数据操作+数据预处理（2023.06.19）

参考链接：Pytorch基本操作

一、N维数组样例

N维数组是机器学习和神经网络的主要数据结构

二、创建数组

三、访问元素

概念-》（1）：：表示有三个参数，前两个是左闭右开的区间，第三个是步长，默认为1
（2）张量是表示成一个 数值组成的数组，这个数组可能有多个维度
（3）我们可以通过张量的shape属性来访问张量的形状和张量中元素的总数，张量求和可以用sum()，如果要指定维度求和，可以 sum（axis=？）来表示，
例如三维张量（2，3，4）sum（axis=0）就表示矩阵相加，sum（axis=1）就表示行相加，sum（axis=2）就表示列相加，维度也会消失，但如果在sum中增加参数（keepdims=True）维度就可以不消失但会变为1，
A.mean（）求均值，
torch.mv(A,x)表示矩阵和向量的乘积，
torch.mm（A,B）表示矩阵和矩阵的乘积，
torch.norm（x）向量的模（这里放矩阵也可以，同理）
torch.abs(x).sum()向量元素绝对值的和
（4）要改变一个张量的形状而不改变元素数量和元素值，我们可以调用reshape函数
（5）使用全0、全1、其他常量或者从特定分布中随机采样的数字用zeros（），ones（）
（6）通过提供包含数值的Python列表（或嵌套列表）来为所需张量中的每个元素赋予确定值
（7）.shape()中的参数，表示每一层中括号中有几个元素，括号层数有3层，第一个轴只有1个元素，第二个轴有3个元素，第三个轴有4个元素，这就是xx.shape1,3,4的来源（或者这样理解，一个三维张量，有一个二维矩阵，每一个二维矩阵有三个向量，每一个向量有4个标量）
（8）我们可以把多个张量链接在一起，dim的值表示在哪个中括号合并，dim=0就表示增加最外层中括号的元素个数，dim=1就表示增加次外层中括号的元素个数。以此类推

（9）通过逻辑运算符构建二元张量

（10）对张量中的所有元素求和会产生一个只有一个元素的张量

（11）即使形状不同，我们仍然可以通过调用广播机制来执行按元素操作，都是往比自己高维度来复制。

（12）运行一些操作可能会导致为新结果分配内存

（13）转换为Numpy张量

四、数据预处理

（1）创建一个人工数据集，并存储在csv（逗号分隔值）文件

（2）从创建的csv文件中加载原始数据集

（3）为了处理缺失的数据，典型的方法包括插值和删除，这里，我们将考虑插值

pd.get_dummies() 函数是 pandas 提供的一种数据转换方式，用于将分类变量（categorical variable）转换为数值型变量（numerical variable），从而方便机器学习算法的处理。

在给定的代码中，inputs 是一个包含两个特征的 pandas DataFrame，其中的 “NumRooms” 特征是数值型变量，而 “Alley” 特征是分类变量，包含两个取值 “Pave” 和 “NA”。为了方便机器学习算法的处理，我们可以使用 pd.get_dummies() 函数将 “Alley” 特征转换为两个数值型变量 “Alley_Pave” 和 “Alley_NA”，其中 “Alley_Pave” 和 “Alley_NA” 的取值分别为 0 和 1，表示原始数据中的 “Alley” 特征是否等于 “Pave” 或 “NA”。

在代码中，pd.get_dummies(inputs, dummy_na=True) 的参数 dummy_na=True 表示将 “Alley” 特征中的缺失值（“NA”）也视为一种取值，并将其转换为一个新的数值型变量 “Alley_nan”，取值为 0 或 1，表示原始数据中的 “Alley” 特征是否缺失。
（4）现在inputs和output中的所有条目都是数值类型，它们可以转换为张量格式

import torch
import os
import pandas as pd
os.makedirs(os.path.join(".","data"),exist_ok=True)
data_file=os.path.join(".","data","house_tiny.csv")
with open(data_file,"w") as f:
    f.write("NumRooms,Alley,Price\n")
    f.write("NA,Pave,127500\n")
    f.write("2,NA,106000\n")
    f.write("4,NA,178100\n")
    f.write("NA,NA,140000\n")
data=pd.read_csv(data_file)
print(data)
inputs,outputs=data.iloc[:,0:2],data.iloc[:,2]
inputs=inputs.fillna(inputs.mean(numeric_only=True))
print(inputs)
inputs=pd.get_dummies(inputs,dummy_na=True,dtype=int)
print(inputs)
x,y=torch.tensor(inputs.values),torch.tensor(outputs.values)
print(x)
print(y)