简单的一次数据预处理

创建人工数据集

逗号分割，存储在CSV中

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')
    f.write('NA,Pave,127500\n')
    f.write('2,NA,106000\n')
    f.write('4,NA,178100\n')
    f.write('NA,NA,140000\n')

从刚才创建的CSV文件中加载原始数据集

import pandas as pd

data = pd.read_csv(data_file)
print(data)

处理缺失数据

典型方法：插值和删除
例如：插值

inputs, outputs = data.iloc[:, 0:2], data.iloc[:, 2]  # outputs后面使用
inputs = inputs.fillna(inputs.mean())  # 使用该列的均值替换缺失值
print(inputs)

对于inputs中的类别值或离散值，我们将“NaN”视为一个类别

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

将inputs和outputs转换成张量格式

import torch

X, y = torch.tensor(inputs.values), torch.tensor(outputs.values)
X, y

总结

1.人工数据集存入CSV
2.从CSV读取，一些简单数据预处理
3.转换生成Tensor