集成学习结合策略stacking——python csv/txt文件数据集导入

针对实际数据集，使用集成学习stacking方法，进行分类问题的预测。主要是数据集在python种的导入方法。

数据集为泰坦尼克号数据集。

 

1、导入csv文件：

read_csv函数 、官方文档：https://pandas.pydata.org/pandas-docs/stable/reference/index.html

import pandas as pd                         #导入pandas包
data = pd.read_csv("train.csv",low_memory=False)             #读取文件名字为“train.csv”的csv文件，
                                          
#low_memory 默认为True 在块内部处理文件，导致分析时内存使用量降低，但可能数据类型混乱。要确保没有混合类型设置为False，或者使用dtype参数指定类型。请注意，不管怎样，整个文件都读入单个DataFrame中，请使用chunksize或iterator参数以块形式返回数据。 （仅在C语法分析器中有效）


#print(data)                                #打印所有文件

2、特征值处理：字符串转换为数字、填充……

#  特征值处理：如字符串改为数字
def harmonize_data(data):
    # 填充空数据 和 把string数据转成integer表示
    # 对于年龄字段发生缺失，我们用所有年龄的均值替代
    data["Age"] = data["Age"].fillna(data["Age"].median())
    # 性别男： 用0替代
    data.loc[data["Sex"] == "male", "Sex"] = 0
    # 性别女： 用1替代
    data.loc[data["Sex"] == "female", "Sex"] = 1

    data["Embarked"] = data["Embarked"].fillna("S")

    data.loc[data["Embarked"] == "S", "Embarked"] = 0
    data.loc[data["Embarked"] == "C", "Embarked"] = 1
    data.loc[data["Embarked"] == "Q", "Embarked"] = 2

    data["Fare"] = data["Fare"].fillna(data["Fare"].median())

    return data

data = harmonize_data(data)

3、分别生成特征矩阵、标签矩阵：

#  分别生成特征矩阵、标签矩阵
data=np.array(data) #将data转成numpy矩阵

X = data[0:,2:]     # 2-12列为特征矩阵X
Y = data[0:,1]      # 1列为标签矩阵Y
pass #调试点，导入了data为数据，label为标签