数据预处理中的标签提取和数据分类

处理的是.csv文件，首先要做的是读取.csv文件中的表格数据，使用的是pandas中的read_csv函数。

那么问题来了，这样读取文件返回值是什么呢？

我们来输出一下：

发现是DataFrame类型的数据，那么这个数据类型到底是什么呢？

经过查找资料，菜鸟教程上是这么解释的：DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。

Pandas 数据结构 – DataFrame | 菜鸟教程 (runoob.com)

那么问题来了，我也不是很记得Series和字典这两种数据结构，继续学习。

数据结构 - Series：

Pandas 数据结构 – Series | 菜鸟教程 (runoob.com)

数据结构 - 字典：花括号

Python 字典(Dictionary) | 菜鸟教程 (runoob.com)

接下来要将表格根据标签将数据分开，因为有的标签数据太少了，需要扩充标签数据。

由于数据集的标签数据在最后一列，所以用numpy中的shape[1]来读取列数，shape[0]读取的是行数，对于二维数据来说。shape[1]-1就是列索引号，因为索引号从0开始。

需要将标签提取成一个无序不重复元素集，先使用iloc函数将标签列全部提取出，values去掉索引，ravel将多维数组转化为一维数组，然后使用set函数创建一个无序不重复元素集。

把数据按标签分开就是：

标签数据组的索引为索引，在新的数组中把该标签的数据全部添加进去，然后把新的数据按照标签号以DataFrame数据类型重新保存成.csv文件。