讀取資料集

建立資料，寫入到 CSV 檔案中：

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") # 列名稱
    f.write("NA,Pave,127500\n") # 每行表示一個數據樣本
    f.write("2,NA,106000\n") 
    f.write("4,NA,178100\n") 
    f.write("NA,NA,140000\n") 
 

從建立的 CSV 檔案中載入原始資料集，我們匯入 pandas 包並呼叫 read_csv 函式。該資料集有四行三列。其中每行描述了房間數量（“NumRooms”）、巷子型別（“Alley”）和房屋價格（“Price”）：

import pandas as pd

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

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

處理缺失值

“NaN”項代表缺失值。 為了處理缺失的資料，典型的方法包括插值法和刪除法， 其中插值法用一個替代值彌補缺失值，而刪除法則直接忽略缺失值。
將 data 分成 inputs 和 outputs， 其中前者為 data 的前兩列，而後者為 data 的最後一列。 對於 inputs 中缺少的數值，我們用同一列的均值替換“NaN”項：

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

   NumRooms Alley
0       3.0  Pave
1       2.0   NaN
2       4.0   NaN
3       3.0   NaN

由於“巷子型別”（“Alley”）列只接受兩種型別的類別值“Pave”和“NaN”， pandas可以自動將此列轉換為兩列“Alley_Pave”和“Alley_nan”:

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

   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

轉換為張量格式

現在 inputs 和 outputs 中的所有條目都是數值型別，它們可以轉換為張量格式:

import torch

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

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