Dados de entrada

Introdução ao TensorFlow em Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

O slide mostra um diagrama com três tipos de dados: texto, imagem e numéricos.

Importando dados para usar no TensorFlow

Dados podem ser importados com tensorflow
- Útil para gerenciar pipelines complexos
- Não é necessário neste capítulo
Opção mais simples usada neste capítulo
- Importe dados com pandas
- Converta para array numpy
- Use no tensorflow sem modificar

Como importar e converter dados

# Import numpy and pandas
import numpy as np
import pandas as pd

# Load data from csv
housing = pd.read_csv('kc_housing.csv')

# Convert to numpy array
housing = np.array(housing)

Vamos focar em dados no formato csv neste capítulo
O pandas também tem métodos para outros formatos
- Ex.: read_json(), read_html(), read_excel()

Parâmetros de read_csv()

Parâmetro	Descrição	Padrão
`filepath_or_buffer`	Aceita um caminho de arquivo ou URL.	`None`
`sep`	Delimitador entre colunas.	`,`
`delim_whitespace`	Booleano para delimitar por espaços em branco.	`False`
`encoding`	Especifica a codificação a usar, se houver.	`None`

Usando conjuntos de dados de tipos mistos

Esta imagem mostra dados do conjunto King County com a coluna de preço destacada.

Esta imagem mostra dados do conjunto King County com a coluna waterfront destacada.

Definindo o tipo de dado

# Load KC dataset
housing = pd.read_csv('kc_housing.csv')

# Convert price column to float32
price = np.array(housing['price'], np.float32)

# Convert waterfront column to Boolean
waterfront = np.array(housing['waterfront'], np.bool)

Definindo o tipo de dado

# Load KC dataset
housing = pd.read_csv('kc_housing.csv')

# Convert price column to float32
price = tf.cast(housing['price'], tf.float32)

# Convert waterfront column to Boolean
waterfront = tf.cast(housing['waterfront'], tf.bool)

Vamos praticar!

Introdução ao TensorFlow em Python