pytorch学习4-数据预处理

wuxuand

已于 2023-07-04 08:54:12 修改

阅读量43

点赞数

分类专栏： pytorch+深度学习文章标签： pytorch 学习人工智能

于 2023-07-03 17:19:49 首次发布

本文链接：https://blog.csdn.net/tyutwuxuan/article/details/131519931

版权

pytorch+深度学习专栏收录该内容

16 篇文章 1 订阅

订阅专栏

1、数据预处理，创建数据集

# 数据预处理
# 导包
import os

# 创建一个人工数据集，并存储在csv中（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')

2、从csv文件中读取数据

# 从创建的csv文件中加载原始数据集
import pandas as pd

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

输出：

   NumRooms Alley   Price
0       NaN  Pave  127500
1       2.0   NaN  106000
2       4.0   NaN  178100
3       NaN   NaN  140000

3、处理缺失数据

# 处理缺失数据
# 使用插值，删除等方法
# 插值
# 输入输出分隔
inputs, outputs = data.iloc[:, 0:2], data.iloc[:, 2]
# 输入数据，fillna()函数会使数值域中的缺失数值取平均
inputs = inputs.fillna(inputs.fillna(inputs.mean()))
print(inputs)

# 非数值列中，将特征建两类，有则为1，无则为0
# 对于inputs中的类别值或离散值，将“NAN”视为一个类别
inputs = pd.get_dummies(inputs, dummy_na=True)
print(inputs)

输出：

NumRooms Alley
0       3.0  Pave
1       2.0   NaN
2       4.0   NaN
3       3.0   NaN
   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

4、转换为张量格式

#  全部为数值以后，将其转换为张量格式
import torch

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

输出

X, y 
tensor([[3., 1., 0.],
        [2., 0., 1.],
        [4., 0., 1.],
        [3., 0., 1.]], dtype=torch.float64) 
tensor([127500, 106000, 178100, 140000])