读取数据集
注释#@save是一个特殊的标记,该标记下方的函数、类或语句将保存在d2l软件包中,以便以后可以直接调用它们(例如d2l.mkdir_if_not_exist(path))而无需重新定义
将数据集按行写入csv文件中。
import os
os.makedirs(os.path.join('/home', 'data'), exist_ok=True)
data_file = os.path.join('/home', 'data', 'house_tiny.csv')
print(data_file)
with open(data_file, 'w') as f:
f.write('NumRooms,Alley,Price\n')
f.write('NA,Pave,127500\n')
f.write('2,NA,106000\n')
f.write('4,NA,178100\n')
f.write('NA,NA,140000\n')
要[从创建的csv文件中加载原始数据集],我们导入pandas包并调用read_csv函数。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 pandas as pd
data = pd.read_csv(data_file)
print(data)
处理缺失值
注意,“NaN”项代表缺失值。[为了处理缺失的数据,典型的方法包括插值和删除,]其中插值用替代值代替缺失值。而删除则忽略缺失值。在(这里,我们将考虑插值)。
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。对于inputs
中缺少的数值,我们用同一列的均值替换“NaN”项。
inputs, outputs = data.iloc[:, 0:2], data.iloc[:, 2]
inputs = inputs.fillna(inputs.mean())
print(inputs)
[对于inputs
中的类别值或离散值,我们将“NaN”视为一个类别。]由于“巷子”(“Alley”)列只接受两种类型的类别值“Pave”和“NaN”,pandas
可以自动将此列转换为两列“Alley_Pave”和“Alley_nan”。巷子类型为“Pave”的行会将“Alley_Pave”的值设置为1,“Alley_nan”的值设置为0。缺少巷子类型的行会将“Alley_Pave”和“Alley_nan”分别设置为0和1。
inputs = pd.get_dummies(inputs, dummy_na=True)
print(inputs)
转换为张量格式
[现在inputs
和outputs
中的所有条目都是数值类型,它们可以转换为张量格式。]当数据采用张量格式后,可以通过在 :numref:sec_ndarray
中引入的那些张量函数来进一步操作。
import torch
X, y = torch.tensor(inputs.values), torch.tensor(outputs.values)
X, y
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)