更新 function.py

function.py

@@ -94,18 +94,29 @@ def load_data(filepath):
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
-    # 使用pandas加载数据，这样可以更方便地处理缺失值
-    import pandas as pd
+    # 使用 numpy 加载数据
+    data = []
     
-    # 加载数据，假设数据是空格或制表符分隔的，非法字符 '?' 会被替换为 NaN
-    df = pd.read_csv(filepath, sep=' ', header=None, na_values='?')
+    # 打开文件并读取每一行
+    with open(filepath, 'r') as file:
+        for line in file:
+            # 分割每一行数据，并替换 '?' 为 np.nan
+            values = line.strip().split()  # 默认按空格或制表符分割
+            values = [float(v) if v != '?' else np.nan for v in values]
+            data.append(values)
     
-    # 将 NaN 填充为该列的均值
-    df.fillna(df.mean(), inplace=True)
+    # 转换为 numpy 数组
+    data = np.array(data)
     
-    # 将最后一列作为标签y，其他列作为特征X
-    X = df.iloc[:, :-1].values  # 特征数据
-    y = df.iloc[:, -1].values   # 标签数据
+    # 处理缺失值，这里使用列均值填充
+    nan_mask = np.isnan(data)
+    for i in range(data.shape[1]):
+        column_mean = np.nanmean(data[:, i])  # 获取该列的均值（忽略 NaN）
+        data[nan_mask[:, i], i] = column_mean  # 用均值填充 NaN
+    
+    # 将最后一列作为标签 y，其余列作为特征 X
+    X = data[:, :-1]  # 特征数据
+    y = data[:, -1]   # 标签数据
     
     return X, y