做小程序好还是做微网站好,饲料公司网站建设方案,seo怎么优化网站,免费建站软件哪个好pytorch笔记篇#xff1a;pandas之数据预处理 pytorch笔记篇#xff1a;pandas之数据预处理(更新中)测试例代码相关的算子 pytorch笔记篇#xff1a;pandas之数据预处理(更新中)
测试例代码
print(train_data.iloc[0:4, [0, 1, 2, 3, -3, -2, -1]])
# (※1) 为什么test_da… pytorch笔记篇pandas之数据预处理 pytorch笔记篇pandas之数据预处理(更新中)测试例代码相关的算子 pytorch笔记篇pandas之数据预处理(更新中)
测试例代码
print(train_data.iloc[0:4, [0, 1, 2, 3, -3, -2, -1]])
# (※1) 为什么test_data的列最后不是-1是因为test_data没有价格这个列项
all_features pd.concat((train_data.iloc[:, 1:-1], test_data.iloc[:, 1:]))
print(-----------------------------------------------)
print(all_features.iloc[0:4, [0, 1, 2, 3, -3, -2, -1]])# (※2) 获取到不是数值的列index]
numeric_features all_features.dtypes[all_features.dtypes ! object].index# print()
# (※3) print(all_features[numeric_features].iloc[0:3, [0,1,2,3,-3,-2,-1]])
# print(----------------------)
all_features[numeric_features] all_features[numeric_features].apply(lambda x: (x - x.mean()) / (x.std()))
# print(all_features[numeric_features].iloc[0:3, [0,1,2,3,-3,-2,-1]])
# input()# (※4) 在标准化数据之后所有均值消失因此我们可以将缺失值设置为0
all_features[numeric_features] all_features[numeric_features].fillna(0)# (※5) dummies pd to tensor
print( demo test dummies )
test pd.DataFrame({“x”:[1,2,3,4,5, 6], seasion:[here, over, , next, , here]})
print(test)
print(-------------------------------)
test pd.get_dummies(test, dummy_naTrue)
print(test)
test test*1
print(test)
print( test trans to tensor )
# test1 torch.tensor(test)
# 全部转化
test1 torch.tensor(test.values, dtypetorch.float32)
print(test1.shape)
print(test1)
print(-------------------------------)
# 不用iloc的话就是光是行处理
test2 torch.tensor(test[:3].values, dtypetorch.float32)
print(test2.shape)
print(test2)
print(-------------------------------)
# 特定行列转化需要熟练运动iloc
test3 torch.tensor(test.iloc[:2, :-1].values, dtypetorch.float32)
print(test3.shape)
print(test3)
input()output-begin:
(1460, 81)
(1459, 80)Id MSSubClass MSZoning LotFrontage SaleType SaleCondition SalePrice
0 1 60 RL 65.0 WD Normal 208500
1 2 20 RL 80.0 WD Normal 181500
2 3 60 RL 68.0 WD Normal 223500
3 4 70 RL 60.0 WD Abnorml 140000
-----------------------------------------------MSSubClass MSZoning LotFrontage LotArea YrSold SaleType SaleCondition
0 60 RL 65.0 8450 2008 WD Normal
1 20 RL 80.0 9600 2007 WD Normal
2 60 RL 68.0 11250 2008 WD Normal
3 70 RL 60.0 9550 2006 WD Abnormldemo test dummies “x” seasion
0 1 here
1 2 over
2 3
3 4 next
4 5
5 6 here
-------------------------------“x” seasion_ seasion_here seasion_next seasion_over seasion_nan
0 1 False True False False False
1 2 False False False True False
2 3 True False False False False
3 4 False False True False False
4 5 True False False False False
5 6 False True False False False“x” seasion_ seasion_here seasion_next seasion_over seasion_nan
0 1 0 1 0 0 0
1 2 0 0 0 1 0
2 3 1 0 0 0 0
3 4 0 0 1 0 0
4 5 1 0 0 0 0
5 6 0 1 0 0 0test trans to tensor
torch.Size([6, 6])
tensor([[1., 0., 1., 0., 0., 0.],[2., 0., 0., 0., 1., 0.],[3., 1., 0., 0., 0., 0.],[4., 0., 0., 1., 0., 0.],[5., 1., 0., 0., 0., 0.],[6., 0., 1., 0., 0., 0.]])
-------------------------------
torch.Size([3, 6])
tensor([[1., 0., 1., 0., 0., 0.],[2., 0., 0., 0., 1., 0.],[3., 1., 0., 0., 0., 0.]])
-------------------------------
torch.Size([2, 5])
tensor([[1., 0., 1., 0., 0.],[2., 0., 0., 0., 1.]])
output-end相关的算子 concat — 合并. iloc — 筛选行列. apply — 处理列数据. fillna — 填补数值空缺. get_dummies — 独热编码自行测试显示 无
PS: 略。
