import os
import pandas as pd
os.makedirs(os.path.join('..', 'data'), exist_ok=True)
data_file = os.path.join('..', 'data', 'house_tiny.csv')
with open(data_file, 'w') as f:
    f.write('NumRooms,Alley,Price\n') #列名
    f.write('NaN,Pave,127500\n')
    f.write('2,NaN,106000\n')
    f.write('4,NaN,178100\n')
    f.write('NA,NaN,140000\n')

data = pd.read_csv(data_file)
print(data)
inputs, outputs = data.iloc[:, 0:2], data.iloc[:, 2]
inputs.iloc[:, 0] = inputs.iloc[:, 0].fillna(inputs.iloc[:, 0].mean()) #这里的mean函数是均值的意思
print(inputs)

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

将数值型缺失值用mean()，也就是均值来替代，字符串型缺省值用get_dummies函数将分类变量转换为虚拟变量

Output

   NumRooms Alley   Price
0       NaN  Pave  127500
1       2.0   NaN  106000
2       4.0   NaN  178100
3       NaN   NaN  140000
   NumRooms Alley
0       3.0  Pave
1       2.0   NaN
2       4.0   NaN
3       3.0   NaN
   NumRooms  Alley_Pave  Alley_nan
0       3.0           1          0
1       2.0           0          1
2       4.0           0          1
3       3.0           0          1

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，可以用张量函数来进一步操作

Code

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

Output

tensor([[3., 1., 0.],
        [2., 0., 1.],
        [4., 0., 1.],
        [3., 0., 1.]], dtype=torch.float64)
tensor([127500, 106000, 178100, 140000])