2.2。数据预处理

2.2。数据预处理

 

2.2.1。读取数据集

例如，我们首先创建一个人工数据集，该数据集存储在csv（逗号分隔值）文件中../data/house_tiny.csv。以其他格式存储的数据可以用类似的方式处理。以下 mkdir_if_not_exist功能确保该目录../data 存在。注释是一个特殊标记，其中以下函数，类或import语句也保存在包中，以便我们以后可以直接调用 。

# Saved in the d2l package for later used2ld2l.mkdir_if_not_exist()

 

import os

# Saved in the d2l package for later use
def mkdir_if_not_exist(path):
    if not isinstance(path, str):
        path = os.path.join(*path)
    if not os.path.exists(path):
        os.makedirs(path)

下面，我们将数据集逐行写入csv文件。

data_file = '../data/house_tiny.csv'
mkdir_if_not_exist('../data')
with open(data_file, 'w') as f:
    f.write('NumRooms,Alley,Price\n')  # Column names
    f.write('NA,Pave,127500\n')  # Each row is a data point
    f.write('2,NA,106000\n')
    f.write('4,NA,178100\n')
    f.write('NA,NA,140000\n')

为了从创建的csv文件加载原始数据集，我们导入 pandas包并调用该read_csv函数。该数据集具有44 行和 33 列，每行描述房间的the number of rooms (“NumRooms”), the alley type (“Alley”), and the price (“Price”

# If pandas is not installed, just uncomment the following line:
# !pip install pandas
import pandas as pd

data = pd.read_csv(data_file)
print(data)

   NumRooms Alley   Price
0       NaN  Pave  127500
1       2.0   NaN  106000
2       4.0   NaN  178100
3       NaN   NaN  140000