在 Python 中使用带有 csv 文件的分类器作为参数 X

问题描述

我有 csv 文件，我将稍后需要的所有数据写入另一个文件中，然后将原始 csv 文件的第一列放入变量 Y 中。现在我只需要放置我的新 csv 文件转换为变量 X，但格式良好，因此我可以使用 DecisionTreeClassifier。

## Testing classifers ## 
df=pd.read_csv('G1.csv')

## Write datasets for X ##
#with open('G1.csv') as csvfile:
#    readCSV = csv.reader(csvfile,delimiter=',')
#    for row in readCSV:
#        temp = []
#        temp.append(row[4])
#        temp.append(row[5])
#        temp.append(row[6])
#        temp.append(row[7])
#        temp.append(row[8])
#        temp.append(row[9])
#        temp.append(row[10])
#        temp.append(row[11])
#        temp.append(row[12])
#        temp.append(row[13])
#        temp.append(row[14])
#        temp.append(row[15])
#        temp.append(row[16])
#        temp.append(row[17])
#        file = open('TestFile.csv','a+',newline ='')
#        with file:
#            write = csv.writer(file)
#            write.writerow(temp)
#        file.close()


## Write datasets for Y ##
Y = []
with open("G1.csv","r") as csv_file:
    csv_reader = csv.reader(csv_file,')
    for lines in csv_reader:
      Y.append(lines[0])

X = pd.read_csv('TestFile.csv')

P = [[2.94008,3.03106,-9.70609,6.09667,6.51713,0.0900986,NaN,0.792683,-1.70732,-1.82927,1008.96,31.54]]

#{Decision Tree Model}
clf = DecisionTreeClassifier()
clf = clf.fit(X,Y)
print ("\n1) Using Decision Tree Prediction is " + str(clf.predict(P)))

我对 Python 非常陌生，所以请不要判断某些语法或其他东西。我只是在将数据从文件转换为格式良好的变量 X 时遇到问题，因此我可以使用分类器。

TestFile.csv 看起来像

[2.77009,3.4261,-9.76116,6.93759,7.02769,-0.4245,-0.8415,2.6535,-0.609756,0.0609756,-0.182927,31.54]

还有更多类似的案例

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）