D2DL笔记_2

数据预处理部分：

机器学习/深度学习中，文本类型训练数据的输入通常需要进行一定的预处理，统一化之后可以更方便更高效地对模型使用现有数据进行训练，而这些文本类型的数据通常以.csv的格式出现。

下面做一个对csv格式文件的数据预处理。

首先生成一个.csv文件（,csv，comma-separated values字符分隔值文件是纯文本存储表格数据的一类文件）：

读取.csv文件最方便的方法是通过pandas.read_csv()，没有pandas的话需要先安装：

读取的效果如下：

当然jupyter中可以不用print函数打印，对于pandas read 的data，jupyter会默认以html的格式打印，比print函数打印出来的更好看一点：

为处理缺失的数据，通常考虑删除和插值，删除的话总会有现有信息被丢弃，产生损失，可以采取插值的方法，取已有数据的mean平均值，对缺失数据插补：

这里jupyter给了一个warning，说Alley列不是数值，不能取平均插值，也不建议删减全NA的列，所以它不能对Alley列做操作，建议只选择可操作的列。

若只选择第一列给inputs，就不会警告：

那对Alley列，我们就不做处理了吗？显然是不能的，可以通过pandas.get_dummies()，对Alley列每种数据自动独立编码，Alley列目前有Pave和NA两种不同类型的值，那么编码只需要0和1就可以：

现在inputs和outputs里的所有元素都是数值类型的了，就可以将它们转换为张量：

这样就完成了导入.csv文件进行预处理再将其转换为张量的过程。