2.1数据操作+2.2数据预处理
2.1数据操作
将2.1做了一份思维导图,以后会根据读书的继续填充。文字内容也以后补充。
2.2内容不太方便写思维导图。以后补充。
2.2数据预处理
用到的库(pandas、os)
//安装pandas
pip install pandas
读取数据集
这里根据书创建了模拟的数据集,该数据集有四行三列。其中每行描述了房间数量(“NumRooms”)、巷子类型(“Alley”)和房屋价格(“Price”)。
import os
os.makedirs(os.path.join('..', 'data'), exist_ok=True)#在上一级目录创建一个data文件夹
data_file = os.path.join('..', 'data', 'house_tiny.csv')#创建一个人工数据集,并存储在CSV(逗号分隔值)文件)
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')
从创建的csv文件中读取原始数据集
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
处理缺失值
使用插值的方法处理缺失值
#通过位置索引iloc,我们将data分成inputs和outputs, 其中前者为data的前两列,而后者为data的最后一列
inputs, outputs = data.iloc[:, 0:2], data.iloc[:, 2]
#对于inputs中缺少的数值,我们用同一列的均值替换“NaN”项
inputs = inputs.fillna(inputs.mean())
print(inputs)
inputs = pd.get_dummies(inputs, dummy_na=True)
print(inputs)
输出
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
转换为张量格式
import torch
X, y = torch.tensor(inputs.values), torch.tensor(outputs.values)
X, y
输出
(tensor([[3., 1., 0.],
[2., 0., 1.],
[4., 0., 1.],
[3., 0., 1.]], dtype=torch.float64),
tensor([127500, 106000, 178100, 140000]))