使用WEKA处理洛杉矶犯罪数据时，构建可解析CSV文件遇难题

一、导出指定字段的原始CSV #

• 打开数据源页面，找到导出按钮（一般标着Export）
• 选择CSV格式，在自定义字段列表里勾选AREA name、Vict age、Vict descent、Vict sex、Date Occ，确认后导出文件。

二、预处理CSV适配WEKA要求 #

WEKA对输入格式有严格要求，按以下步骤调整：

1. 修正表头命名 #

WEKA不接受表头带空格，直接把表头改成：

• AREA name → AREA_name
• Vict age → Vict_age
• Vict descent → Vict_descent
• Vict sex → Vict_sex
• Date Occ → Date_Occ

2. 处理缺失值 #

WEKA用?标记缺失值，批量替换CSV里的空值：

• Vict_age：空值直接换成?；如果有非数字内容，要么删行，要么统一替换成?
• Vict_sex/Vict_descent：空值替换为?，同时统一分类值的大小写（比如把f改成F，避免WEKA识别成不同类别）

3. 格式化日期字段 #

WEKA需要明确的日期格式，把Date_Occ转换成yyyy-MM-dd HH:mm:ss格式：

• 用Excel的话，选中日期列，设置单元格格式为yyyy-mm-dd hh:mm:ss
• 用Python批量处理的话，代码如下：

  import pandas as pd
  df = pd.read_csv("你的导出文件.csv")
  df['Date_Occ'] = pd.to_datetime(df['Date_Occ']).dt.strftime('%Y-%m-%d %H:%M:%S')
  df.to_csv("weka_crime_data.csv", index=False)
  

4. 可选：添加WEKA属性声明 #

如果想让WEKA自动识别字段类型，可以在CSV第一行前插入以下内容：

@relation CrimeData
@attribute AREA_name string
@attribute Vict_age numeric
@attribute Vict_descent string
@attribute Vict_sex string
@attribute Date_Occ date "yyyy-MM-dd HH:mm:ss"
@data

然后把原始数据行接在后面即可。

三、导入WEKA验证 #

• 打开WEKA Explorer，点击Open file选中处理后的CSV
• 切换到Preprocess标签，检查字段类型是否正确：Vict_age是数值型，其他为字符串/日期型
• 要是有异常值（比如年龄超过120），用WEKA的Filter工具（比如RemoveWithValues）清理就行

内容的提问来源于stack exchange，提问作者Frederik N. Pedersen