UJIndoorLoc数据集预处理代码

以下是 UJIndoorLoc 数据集的预处理代码，主要包括数据读取、数据清洗、特征提取等步骤。

import pandas as pd
import numpy as np
from sklearn.preprocessing import LabelEncoder, OneHotEncoder, StandardScaler

def read_data_file(path):
    df = pd.read_csv(path)
    return df

def clean_data(df):
    # 删除无用的列
    df.drop(['LONGITUDE', 'LATITUDE', 'FLOOR', 'BUILDINGID'], axis=1, inplace=True)
    # 处理类别特征
    le = LabelEncoder()
    df['SPACEID'] = le.fit_transform(df['SPACEID'])
    df['RELATIVEPOSITION'] = le.fit_transform(df['RELATIVEPOSITION'])
    df['USERID'] = le.fit_transform(df['USERID'])
    # 处理缺失值
    df.replace([np.inf, -np.inf], np.nan, inplace=True)
    df.fillna(df.mean(), inplace=True)
    return df

def get_features(df):
    # 提取特征
    features = df.iloc[:, :-1].values
    labels = df.iloc[:, -1].values
    # 对类别特征进行独热编码
    one_hot_encoder = OneHotEncoder(categorical_features=[0, 1, 2])
    features = one_hot_encoder.fit_transform(features).toarray()
    # 对数值特征进行标准化
    sc = StandardScaler()
    features = sc.fit_transform(features)
    return features, labels

if __name__ == '__main__':
    # 读取数据文件
    df = read_data_file('UJIndoorLoc/trainingData.csv')
    # 数据清洗
    df = clean_data(df)
    # 特征提取
    features, labels = get_features(df)

该代码首先使用 `read_data_file` 函数读取 UJIndoorLoc 数据集，然后使用 `clean_data` 函数对数据进行清洗，包括删除无用的列、处理类别特征和缺失值。最后使用 `get_features` 函数提取特征，包括对类别特征进行独热编码和对数值特征进行标准化。