Dati in input

Introduzione a TensorFlow in Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

La diapositiva mostra un diagramma di tre tipi di dati: testo, immagini e numerici.

Importare dati per usarli in TensorFlow

Puoi importare i dati con tensorflow
- Utile per pipeline complesse
- Non necessario in questo capitolo
Opzione più semplice usata qui
- Importa dati con pandas
- Converti in array numpy
- Usa in tensorflow senza modifiche

Come importare e convertire i dati

# 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)

In questo capitolo ci concentriamo su dati in formato csv
Pandas ha anche metodi per altri formati
- Per es. read_json(), read_html(), read_excel()

Parametri di read_csv()

Parameter	Description	Default
`filepath_or_buffer`	Accetta un percorso file o un URL.	`None`
`sep`	Delimitatore tra colonne.	`,`
`delim_whitespace`	Booleano: usare lo spazio come delimitatore.	`False`
`encoding`	Specifica l'eventuale codifica da usare.	`None`

Usare dataset a tipi misti

Questa immagine mostra dati del dataset King County con la colonna del prezzo evidenziata.

Questa immagine mostra dati del dataset King County con la colonna waterfront evidenziata.

Impostare il tipo di dato

# 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)

Impostare il tipo di dato

# 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)

Esercitiamoci!

Introduzione a TensorFlow in Python