如何使用panda.read_csv从python中的csv文件导入数据？

Question

我正在尝试使用 scikit_learn 和 pandas 解决 python 中的决策树问题。数据集以 CSV 文件的形式提供。当我尝试在 python 中加载数据时，我收到一条错误消息，显示“ValueError：无法将字符串转换为浮点数：'CustomerID'”。我不知道我在代码中做错了什么。import pandas as pdfrom sklearn.tree import DecisionTreeClassifierfrom sklearn.model_selection import train_test_splitfrom sklearn import metricscol_names=['CustomerID','Gender','Car Type', 'Shirt Size','Class']pima=pd.read_csv("F:\Current semster courses\Machine Learning\ML_A1_Fall2019\Q2_dataset.csv",header=None, names=col_names)pima.head()feature_cols=['CustomerID','Gender','Car Type', 'Shirt Size']X=pima[feature_cols]y=pima.ClassX_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)clf = DecisionTreeClassifier()# Train Decision Tree Classiferclf = clf.fit(X_train,y_train)#Predict the response for test datasety_pred = clf.predict(X_test)print("Accuracy:",metrics.accuracy_score(y_test, y_pred))有人可以告诉我我做错了什么吗？数据集：CustomerID  Gender  Car Type    Shirt Size  Class1            M      Family       Small      C02            M      Sports       Medium     C03            M      Sports       Medium     C04            M      Sports       Large      C05            M      Sports     Extra Large  C06            M      Sports     Extra Large  C07            F      Sports       Small      C08            F      Sports       Small      C09            F      Sports       Medium     C010           F      Luxury       Large      C011           M      Family       Large      C112           M      Family     Extra Large  C113           M      Family       Medium     C114           M      Luxury    Extra Large   C115           F      Luxury       Small      C116           F      Luxury       Small      C117           F      Luxury       Medium     C118           F      Luxury       Medium     C119           F      Luxury       Medium     C120           F      Luxury       Large      C1

Answer 1

啊。好的。问题是您的数据是分类数据，scikit不能直接使用。它首先需要转换为数字数据。该方法._get_dummies()通过获取具有多个分类值的单列并将其转换为多列，每列包含一个数字 1 或 0，指示哪个类别是否为“真”。

顺便说一句，您应该从功能中删除“客户 ID”列。它是一个随机值，与该行是否属于一个类别无关。

import pandas as pd

from sklearn.tree import DecisionTreeClassifier

from sklearn.model_selection import train_test_split

from sklearn import metrics

col_names=['CustomerID','Gender','Car Type', 'Shirt Size','Class']

data = [['1',  'M', 'Family', 'Small',      'C0'], 

        ['2',  'M', 'Sports', 'Medium',     'C0'], 

        ['3',  'M', 'Sports', 'Medium',     'C0'], 

        ['4',  'M', 'Sports', 'Large',      'C0'], 

        ['5',  'M', 'Sports', 'Extra Large','C0'], 

        ['6',  'M', 'Sports', 'Extra Large','C0'], 

        ['7',  'F', 'Sports', 'Small',      'C0'], 

        ['8',  'F', 'Sports', 'Small',      'C0'], 

        ['9',  'F', 'Sports', 'Medium',     'C0'], 

        ['10', 'F', 'Luxury', 'Large',      'C0'], 

        ['11', 'M', 'Family', 'Large',      'C1'], 

        ['12', 'M', 'Family', 'Extra Large','C1'], 

        ['13', 'M', 'Family', 'Medium',     'C1'], 

        ['14', 'M', 'Luxury', 'Extra Large','C1'], 

        ['15', 'F', 'Luxury', 'Small',      'C1']]

#pima=pd.read_csv("F:\Current semster courses\Machine ...

pima=pd.DataFrame(data, columns = col_names)

# Convert the categorical data to multiple columns of numerical data for the decision tree

pima = pd.get_dummies(pima, prefix=['CustomerID','Gender','Car Type', 'Shirt Size','Class'])

print(pima)

#feature_cols=['CustomerID','Gender','Car Type','Shirt Size']

feature_cols=['Gender_F', 'Gender_M',

       'Car Type_Family', 'Car Type_Luxury', 'Car Type_Sports',

       'Shirt Size_Extra Large', 'Shirt Size_Large', 'Shirt Size_Medium',

       'Shirt Size_Small', 'Class_C0', 'Class_C1']

X=pima[feature_cols]

y=pima[['Class_C0', 'Class_C1']]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)

print("X_train =", X_train) 

print("X_test =", X_test) 

print("y_train =", y_train)

print("y_test =", y_test )

clf = DecisionTreeClassifier()

# Train Decision Tree Classifer

clf = clf.fit(X_train,y_train)

#Predict the response for test dataset

y_pred = clf.predict(X_test)

print("Accuracy:",metrics.accuracy_score(y_test, y_pred))