pandas读取csv数据处理缺失值转换为torch张量

创建数据集

import os
#在当前路径下创建data目录，exist_ok表示只在目录不存在时创建，目录已存在不报错
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，表示房间数目，有无路径，价格
    f.write('NA,Pave,5466\n')
    f.write('2,NA,576\n')
    f.write('3,NA,4485\n')
    f.write('3,Pave,66\n')

pandas读取数据集

import pandas as pd
import os
data_file=os.path.join('..','data','house_tiny.csv')
data=pd.read_csv(data_file)
print(data)

处理缺失值

import pandas as pd
import os
data_file = os.path.join('..', 'data', 'house_tiny.csv')
data = pd.read_csv(data_file)
print(data)
# 将房间数目，有无路径作为输入，价格作为输出,进行缺失值处理
inputs, outputs = data.iloc[:, 0:2], data.iloc[:, 2]
inputs = inputs.fillna(inputs.mean())  # 用输入的平均值填充NA
print(inputs)
# Alley作为string没有均值，使用one hot编码
inputs = pd.get_dummies(inputs, dummy_na=True)
print(inputs)

转换为张量

#转换为张量格式
import torch
x,y=torch.tensor(inputs.values),torch.tensor(outputs.values)
print(x)
print(y)