更新 function.py

function.py

@@ -86,17 +86,16 @@ def load_data(filepath):
     df = pd.read_csv(filepath, sep=' ', header=None, na_values='?')  # 将 '?' 视为缺失值
     # 填充缺失值，这里简单用0填充，也可以根据特征的分布等采用更合理的填充方式，比如均值填充等
     df.fillna(0, inplace=True)
-    # 获取特征数据和标签数据，确保标签符合三分类要求
+
+    # 先检查标签列是否存在除1、2、3之外的其他值，整体进行判断
+    unique_labels = df.iloc[:, -1].unique()
+    if not all(label in [1, 2, 3] for label in unique_labels):
+        raise ValueError("数据标签列存在不符合1、2、3三分类要求的值，请检查数据文件")
+
+    # 获取特征数据和标签数据
     data = df.iloc[:, :-1].values
-    labels = df.iloc[:, -1].values
-    # 对标签数据进行合法性检查，确保是三分类要求的1、2、3
-    valid_labels = []
-    for l in labels:
-        if l in [1, 2, 3]:
-            valid_labels.append(int(l))
-        else:
-            raise ValueError(f"非法标签值 {l}，数据标签应是1、2、3三分类情况")
-    labels = np.array(valid_labels)
+    labels = df.iloc[:, -1].values.astype(int)
+
     # 选择特征23（从1开始由左向右数）作为目标变量
     data = data[:, 22].reshape(-1, 1)
     return data, labels