2.1数据操作+2.2数据预处理

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]))