import os
#创建一个人工数据集,并存储在CSV(逗号分隔值)文件
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')
data = pd.read_csv(data_file)
#DataFrame中np.NAN为缺省值
date =pd.DataFrame([[1,'spring','man'],[np.NAN ,'winter','woman'],[np.NAN,'sunmmer',np.NAN]],columns=['num','season','sex'])
#处理缺省值 data为人工数据集
inputs, outputs = data.iloc[:, 0:2], data.iloc[:, 2]
#inputs.drop('season',axis=1)
#删除’season‘,axis以列进行删除
inputs = inputs.drop('season',axis=1)
#inputs.mean()所有数值的平均值
#其中一列是string类型,没有均值,就不会变
inputs = inputs.fillna(inputs.mean())
print(inputs)
#结果如下所示
NumRooms Alley
0 3.0 Pave
1 2.0 NaN
2 4.0 NaN
3 3.0 NaN
#“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”
inputs = pd.get_dummies(inputs, dummy_na=True)
#结果如下所示
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
#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
from mxnet import np
X, y = np.array(inputs.values), np.array(outputs.values)
习题:
#求出date每一行nan的数量
x=date.isna().sum()
laber=x.idxmax()#求出求大的nan数量的列标签
date=date.drop(columns=laber,axis=1)#删除此列
数据预处理
最新推荐文章于 2023-08-10 18:13:27 发布