昌吉州建设局网站,wordpress 登录发布,如何验证网站,网站运营一个月多少钱目录 创建一个人工数据集处理缺失的数据插入对inputs中的类别值或离散值#xff0c;将NaN视为一个类别对inputs和outputs中的数值类型转换为张量格式 创建一个人工数据集
import os
import pandas as pd
os.makedirs(os.path.join(.., data), exist_okTrue)
data_file os.p… 目录 创建一个人工数据集处理缺失的数据插入对inputs中的类别值或离散值将NaN视为一个类别对inputs和outputs中的数值类型转换为张量格式 创建一个人工数据集
import os
import pandas as pd
os.makedirs(os.path.join(.., data), exist_okTrue)
data_file os.path.join(.., data, house_tiny.csv)
with open(data_file, w) as f:f.write(NumRooms,Alley,Price\n)f.write(NA,Pave,127500\n)f.write(2,NA,10600\n)f.write(4,NA,178100\n)f.write(NA,NA,140000\n)
data pd.read_csv(data_file)
print(data)结果
os.makedirs()递归创建目录 os.path.join(‘. .’, ‘data’): ‘. .’代表上一级目录 exist_okTrue:当设置为True时如果目录已经存在os.makedirs()不会引发错误。 默认情况下如果目录已存在os.makedirs()会引发一个FileExistsError 处理缺失的数据
典型的方法包括插值和删除
插入
import os
import pandas as pd
data_file os.path.join(.., data, house_tiny.csv)
data pd.read_csv(data_file)
inputs, outputs data.iloc[:, 0:2], data.iloc[:, 2]
inputs inputs.fillna(inputs.select_dtypes(includenumber).mean())
print(inputs)结果 对于这种情况
import os
import pandas as pd
data_file os.path.join(.., data, house_tiny.csv)
data pd.read_csv(data_file)
inputs, outputs data.iloc[:, 0:2], data.iloc[:, 2]
inputs inputs.fillna(inputs.mean())
print(inputs)结果 分析 首先先选出数据类型再求平均值填充 iloc[]是切片操作data.iloc[:, 0:2]中0:2 表示取从第 0 列和第1列。 data.iloc[:, 2]中2表示下标为2的列即第三列。
import os
import pandas as pd
data_file os.path.join(.., data, house_tiny.csv)
data pd.read_csv(data_file)
inputs, outputs data.iloc[:, 0:2], data.iloc[:, 2]
print(outputs)结果 对inputs中的类别值或离散值将NaN视为一个类别 import os
import pandas as pd
data_file os.path.join(.., data, house_tiny.csv)
data pd.read_csv(data_file)
inputs, outputs data.iloc[:, 0:2], data.iloc[:, 2]
inputs inputs.fillna(inputs.mean(numeric_onlyTrue))
#inputs.fillna(inputs.select_dtypes(includenumber).mean())
inputs pd.get_dummies(inputs, dummy_naTrue, dtypeint)
print(inputs)结果 对inputs和outputs中的数值类型转换为张量格式
import os
import pandas as pd
import torch
data_file os.path.join(.., data, house_tiny.csv)
data pd.read_csv(data_file)
inputs, outputs data.iloc[:, 0:2], data.iloc[:, 2]
inputs inputs.fillna(inputs.mean(numeric_onlyTrue))
inputs pd.get_dummies(inputs, dummy_naTrue, dtypeint)
x, y torch.tensor(inputs.values), torch.tensor(outputs.values)
print(x)
print(y)结果
