动手学深度学习【数据操作+数据预处理】

import os

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')  # 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')

其中李沐老师原本的//运行报错，根据报错信息大概就是没有权限去操作，改为.之后就是在当前目录下操作，生成一个csv。

import pandas as pd
data = pd.read_csv(data_file)
print(data)
inputs, outputs = data.iloc[:, 0:2], data.iloc[:, 2]
inputs = inputs.fillna(inputs.mean(numeric_only=1))
print(inputs)

如果inputs.fillna(inputs.mean())直接运行的话会报错，因为字符型和数值型的不能一块运算，这里求平均值mean的时候加上numeric_only=1，意思是只计算数值型的就可以解决。

inputs = pd.get_dummies(inputs,dummy_na=True)
print(inputs)

 我自己在学的时候没学过pandas，所以有个疑问，为什么dummies只分了第三列的？get_dummies() 函数通常不会主动对数值型的列进行分类处理。这个函数的主要目的是将分类变量（categorical variables），特别是那些以字符串或其他非数值形式存在的分类数据，转换为虚拟变量（dummy variables）或独热编码（one-hot encoding）的形式。