一、相关资料链接

1. 链接: 哔哩哔哩李沐课程
2. 链接: 课程代码及PPT

二、代码及笔记（使用Jupyter Notebook）

（一）数据预处理：创建一个人工数据集，并且存储在csv（逗号分隔值）文件
1. 创建一个文件夹，文件名为：house_tiny.csv csv是指每一行是一个数据，每一个域是用逗号分开的。这里写的几行f.write就是在往前几行创建的csv文件里写入数据。#1:告诉你有多少个房间，Alley是进门的那个路是什么样，这个房子卖多少钱。#2 NA是未知数，pave是铺路，127500是价格。一般读取csv文件使用的是pandas的库，如果没有安装pandas，只需在jupyter notebook中执行 !pip install pandas

import os

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')    #1  列名
    f.write('NA,Pave,127500\n')          #2  每行表示一个样本
    f.write('2,NA,106000\n')
    f.write('4,NA,178100\n')
    f.write('NA,NA,140000\n')

2.

import pandas as pd

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

如果不使用print,则更加好看，是html的形式展示出来的，如下：

import pandas as pd

data = pd.read_csv(data_file)
data

运行结果显示如下：

3. 为了处理缺失的数据（NA），典型的方法包括 插值 和 删除，这里我们考虑插值。此时的data是一个4x3的表，#1 通过.iloc把第一个的第0和第1列和所有的行拿出来，放在input里面，然后把最后一列放在output里面。 #2 input 中fillna对于所有是notnumber（NA）的域填一个值，所有填值为mean（已知两个数值2和4，则取两个数的平均值进行填充）

inputs, outputs = data.iloc[:, 0:2], data.iloc[:, 2]  #1
inputs = inputs.fillna(inputs.mean())                 #2
print(inputs)

4. 对于inputs中的类别值（不是数值）或者离散值，我们将“NaN”视为一个类别。即把缺失的作为一个特别的类别，然后再吧字符串用数值表示。如上Alley有两个值：Pave和NaN，则用get_dummies建两类

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

5. 我们已经把所有缺失的值和字符串已经变成一个值（数值类型）那么则可以把它们转换成pytorch的tensor（张量格式）。把一个csv文件变成一个纯张量了。float64是python默认的浮点数。而outputs中没有缺失值，所有不需要任何改变

import torch

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