免费网站知乎,新网站前期如何做seo,12333社保查询网,服装店网页设计素材这里写目录标题 动手学深度学习pandas完整代码数据处理TypeError: can only concatenate str (not int) to str#xff08;fillna填补缺失值#xff09; 创建文件夹学习这个数据分组get_dummies实现one hot encode 动手学深度学习pandas完整代码
import osimpor… 这里写目录标题 动手学深度学习pandas完整代码数据处理TypeError: can only concatenate str (not int) to strfillna填补缺失值 创建文件夹学习这个数据分组get_dummies实现one hot encode 动手学深度学习pandas完整代码
import osimport numpy as np
import pandas as pd
import torch
from numpy import nan as NaNos.makedirs(os.path.join(.., data), exist_okTrue) # 在上级目录创建data文件夹
datafile os.path.join(.., data, house_tiny.csv) # 创建文件
with open(datafile, w) as f: # 往文件中写数据f.write(NumRooms,Alley,Price\n) # 列名f.write(NA,Pave,127500\n) # 第1行的值f.write(2,NA,106000\n) # 第2行的值f.write(4,NA,178100\n) # 第3行的值f.write(NA,NA,140000\n) # 第4行的值data pd.read_csv(datafile) # 可以看到原始表格中的空值NA被识别成了NaN
print(1.原始数据:\n, data)inputs, outputs data.iloc[:, 0: 2], data.iloc[:, 2]
# inputs inputs.fillna(inputs.mean()) # 用均值填充NaN
# inputs inputs.fillna(66) # 用均值填充NaN
#在mean()括号里面加入numeric_onlyTure
inputs inputs.fillna(inputs.mean(numeric_onlyTrue))
print(inputs)
print(outputs)
# 利用pandas中的get_dummies函数来处理离散值或者类别值。
# [对于 inputs 中的类别值或离散值我们将 “NaN” 视为一个类别。] 由于 “Alley”列只接受两种类型的类别值 “Pave” 和 “NaN”
inputs pd.get_dummies(inputs, dummy_naTrue)
print(2.利用pandas中的get_dummies函数处理:\n, inputs)# x, y torch.tensor(inputs.values), torch.tensor(outputs.values)报错x torch.tensor(inputs.to_numpy(dtypefloat))
y torch.tensor(outputs.to_numpy(dtypefloat))
print(3.转换为张量)
print(x)
print(y)# 扩展填充函数fillna的用法
df1 pd.DataFrame([[1, 2, 3], [NaN, NaN, 2], [NaN, NaN, NaN], [8, 8, NaN]]) # 创建初始数据
print(4.函数fillna的用法)
print(df1)
print(df1.fillna(100)) # 用常数填充 默认不会修改原对象
print(df1.fillna({0: 10, 1: 20, 2: 30})) # 通过字典填充不同的常数默认不会修改原对象
print(df1.fillna(methodffill)) # 用前面的值来填充
# print(df1.fillna(0, inplaceTrue)) # inplace True直接修改原对象df2 pd.DataFrame(np.random.randint(0, 10, (5, 5))) # 随机创建一个5*5
df2.iloc[1:4, 3] NaN
df2.iloc[2:4, 4] NaN # 指定的索引处插入值
print(df2)
print(df2.fillna(methodbfill, limit2)) # 限制填充个数
print(df2.fillna(methodffill, limit1, axis1)) #数据处理
TypeError: can only concatenate str (not “int”) to strfillna填补缺失值
不能让字符串 和int 值 连接 这里报错不是简单的连接是因为mean函数的求mean的对象中有整数也有字符串
解决方法
#在mean()括号里面加入numeric_onlyTure
inputs inputs.fillna(inputs.mean(numeric_onlyTrue))import osimport numpy as np
import pandas as pd
import torch
from numpy import nan as NaNos.makedirs(os.path.join(.., data), exist_okTrue) # 在上级目录创建data文件夹
datafile os.path.join(.., data, house_tiny.csv) # 创建文件
with open(datafile, w) as f: # 往文件中写数据f.write(NumRooms,Alley,Price\n) # 列名f.write(NA,Pave,127500\n) # 第1行的值f.write(2,NA,106000\n) # 第2行的值f.write(4,NA,178100\n) # 第3行的值f.write(NA,NA,140000\n) # 第4行的值data pd.read_csv(datafile) # 可以看到原始表格中的空值NA被识别成了NaN
print(1.原始数据:\n, data)inputs, outputs data.iloc[:, 0: 2], data.iloc[:, 2]
inputs inputs.fillna(inputs.mean()) # 用均值填充NaN
print(inputs)
print(outputs)创建文件夹
在上级目录创建data文件夹记得找到上级目录的data再删
os.makedirs(os.path.join(.., data), exist_okTrue) # 在上级目录创建data文件夹
datafile os.path.join(.., data, house_tiny.csv) # 创建文件1.1 os.makedirs(path, mode0o777) 方法用于递归创建目录。
path – 需要递归创建的目录可以是相对或者绝对路径。。 mode – 权限模式。 无返回值 1.2 os.path.join()函数连接两个或更多的路径名组件
如果各组件名首字母不包含’/’则函数会自动加上如果有一个组件是一个绝对路径则在它之前的所有组件均会被舍弃如果最后一个组件为空则生成的路径以一个’/’分隔符结尾
学习这个数据分组
get_dummies实现one hot encode
get_dummies方法可以把把 离散的类别信息转化为onehot编码形式 dummy_naTrue意为是否把nan单独看做一个类别。
get_dummies 是利用pandas实现one hot encode的方式
pandas.get_dummies(data, prefixNone, prefix_sep_, dummy_naFalse, columnsNone, sparseFalse, drop_firstFalse)
import pandas as pd
df pd.DataFrame([ [green , A], [red , B], [blue , A]]) df.columns [color, class]
pd.get_dummies(df) 对每个类别的值都进行0-1编码 上述执行完以后再打印df 出来的还是get_dummies 前的图因为你没有写赋值
df pd.get_dummies(df)可以对指定列进行get_dummies
pd.get_dummies(df.color)将指定列进行get_dummies 后合并到元数据中
df df.join(pd.get_dummies(df.color))
