第二天内容相对来说比较简单哈。我觉得我们没必要研究太深,因为我们不是专业搞这个的,但是基本原理还是得懂,不知道有人看没,加油,争取一个月搞定它!
为了能用深度学习来解决现实世界的问题,我们经常从预处理原始数据开始, 而不是从那些准备好的张量格式数据开始。在Python中常用的数据分析工具中,我们通常使用pandas
软件包。像庞大的Python生态系统中的许多其他扩展包一样,pandas
可以与张量兼容。本节我们将简要介绍使用pandas
预处理原始数据,并将原始数据转换为张量格式的步骤。后面的章节将介绍更多的数据预处理技术。
举一个例子,我们首先创建一个人工数据集,并存储在CSV(逗号分隔值)文件。以其他格式存储的数据也可以通过类似的方式进行处理。下面我们将数据集按行写入CSV文件中。
#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”)。
#!pip install pandas
NumRooms Alley Price
0 NaN Pave 127500
1 2.0 NaN 106000
2 4.0 NaN 178100
3 NaN NaN 140000
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法和删除法, 其中插值法用一个替代值弥补缺失值,而删除法则直接忽略缺失值。在这里,我们将考虑插值法。
NumRooms Alley
0 3.0 Pave
1 2.0 NaN
2 4.0 NaN
3 3.0 NaN
#对于inputs中的类别值或离散值,我们将“NaN”视为一个类别。
#由于“巷子类型”(“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)
#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 2.1节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
pandas
软件包是Python中常用的数据分析工具中,pandas
可以与张量兼容。
用pandas
处理缺失的数据时,我们可根据情况选择用插值法和删除法。
联系客服