pytorch入门(二)数据预处理

处理CSV格式文件

import os

os.makedirs(os.path.join('..','data'),exist_ok=True)  # 创建一个文件夹data
data_file = os.path.join('..','data','house_tiny.csv')  # 在data下创建一个house_tiny.csv;csv每一行输一个数据，每一域使用逗号分开
with open(data_file,'w') as f:
    f.write('NomRooms,Alley,price\n')   # 列名
    f.write('na,tom,22\n')    # 每一列的数据样本
    f.write('2,Ada,232321\n')
    f.write('44,dadadad,2334567\n')

读取CSV文件

如果缺少pandas库需要使用pip install pandas

import pandas as pd
data = pd.read_csv("../data/house_tiny.csv")
print(data)

为了处理缺失的数据，典型的方式包括 插值 和删除（这里只用插值）

inputs,outputs = data.iloc[:,0:2],data.iloc[:,2] # 取出inputs的第一二列的所有行；取出outputs的第三列的所有行
inputs = inputs.fillna(inputs.mean()) # 将数值的空值填充其他数的均值
print(inputs)

将数值域为空的数填上其他数的均值

• 字符处理

inputs = pd.get_dummies(inputs,dummy_na=True)
print(inputs)

对于inputs中的类别值或离散值，我们将 NaN视为一个类别！

将inputs,outputs中的所有条目（数值类型）转化为张量格式

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