纵向驾驶员行为建模(can总线数据)一：数据处理pandas

参考
基于深度学习的驾驶行为预测方法

数据来源

使用can总线采集数据

不需要这么多数据，仅需要’FrameID’,‘Velocity’,‘AcceleratorPedalPos’,‘BrakePedalSignal’,‘EngineSpeed’

数据处理

1. 读取数据

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

df = pd.read_csv('D:/driver/LongitudeDriver/DATA/autocan.csv')
#打印列名
print(df.columns.values)

输出结果

筛选数据

仅需要’FrameID’,‘Velocity’,‘AcceleratorPedalPos’,‘BrakePedalSignal’,‘EngineSpeed’

#筛选'FrameID'，'Velocity'，'AcceleratorPedalPos'，'BrakePedalSignal''EngineSpeed'
df=df[['FrameID','Velocity','AcceleratorPedalPos','BrakePedalSignal','EngineSpeed']]

2.异常值处理

缺失值

此数据集缺失值为na，系统自己无法识别。所以须转换系统可识别的空值，然后进行数值替换

df.replace('na',np.NaN,inplace=True) #将表内na值替换为空
print(df.isna().sum())#输出缺失值个数
df["AcceleratorPedalPos"].fillna(method ='ffill', inplace = True)#用缺失值前一个值代替缺失值

异常值

首先需要把不可计算的数据类型，转换为可计算的
1、查看数据类型
代码

#查看各列数据类型
print(df.dtypes)

输出结果

2、数据类型转换
将object型转换为float型
代码

df['AcceleratorPedalPos'] = pd.to_numeric(df['AcceleratorPedalPos'], downcast="float")#转换