做深度学习时，模型结构往往不是最难的，最折磨人的是：数据脏、缺、乱、不统一。这一节按李沐的流程，完整走一遍：

1. 生成/读取 CSV

2. 处理缺失值（NaN）

3. 类别特征编码（one-hot）

4. 转成 Tensor 供模型训练

你把这套跑通，后面做 Kaggle / 蓝桥杯建模题都更稳。

---

1. 准备：导入库 + 读 CSV

李沐这一节核心是 pandas（负责表格） + torch（负责张量）。

import os
import pandas as pd
import torch

假设我们有一个 house_tiny.csv（李沐示例常用“房价”这种结构）。如果你本地没有，也可以先用代码造一个（方便复现实验）：

os.makedirs("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")
    f.write("NA,Pave,127500\n")
    f.write("2,NA,106000\n")
    f.write("4,NA,178100\n")
    f.write("NA,NA,140000\n")

读入：

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

你会看到 NA 被识别成缺失值（NaN）。

---

2. 分离特征与标签：inputs / outputs

一般我们会把最后一列当作标签（Price），其他列当特征：

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

• inputs：NumRooms、Alley

• outputs：Price（回归标签）

---

3. 处理缺失值（最常用）：均值填充

数值特征缺失最常见处理：用该列均值填充（baseline 但有效）。

inputs_num = inputs.iloc[:, 0]  # NumRooms
inputs.iloc[:, 0] = inputs_num.fillna(inputs_num.mean())
print(inputs)

解释：

• fillna(均值) 让 NumRooms 不再有 NaN

• 这是“最朴素但最稳”的预处理之一（尤其 baseline）

---

4. 类别特征处理：one-hot 编码

Alley 是类别特征（Pave / NA / …），模型不能直接吃字符串，所以需要 one-hot：

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

dummy_na=True 的效果很关键：它会把缺失值也当成一种类别。

最终列可能长这样：

• NumRooms

• Alley_Pave

• Alley_nan

这样模型就能把“是否缺失”也当作信息学习（有时反而有用）。

---

5. 转成 Tensor（PyTorch 训练输入）

pandas → numpy → torch：

X = torch.tensor(inputs.to_numpy(dtype=float))
y = torch.tensor(outputs.to_numpy(dtype=float)).reshape(-1, 1)

print(X)
print(y)
print(X.shape, y.shape)

注意点：

• dtype=float：避免 one-hot 后数据变成 object 类型

• y.reshape(-1, 1)：把标签转成列向量，更符合线性回归/MLP输入

---

6. 本节最容易踩的坑（我踩过的那种）

1. one-hot 之后 dtype 变 object
   解决：to_numpy(dtype=float) 或 astype(float)

2. 标签 y 维度不对
   训练时常见报错：(n,) vs (n,1)
   解决：reshape(-1,1)

3. 缺失值处理顺序

   • 数值特征：均值填充

   • 类别特征：get_dummies(dummy_na=True)
     不要反过来，不然你会搞出奇怪的列。

---

7. 小结：李沐这节想让你掌握什么？

这一节其实就是深度学习数据预处理的“最小闭环”：

• 读入表格（CSV）

• 数值缺失：均值填充

• 类别特征：one-hot（缺失也编码）

• 转 Tensor：准备喂给模型

这套流程是你后面做回归/分类任务的基本模板。