Invoergegevens

Introductie tot TensorFlow in Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

De slide toont een diagram van drie datatypes: tekst-, beeld- en numerieke data.

Data importeren voor TensorFlow

Data kun je importeren met tensorflow
- Handig voor complexe pijplijnen
- Niet nodig in dit hoofdstuk
Eenvoudigere aanpak in dit hoofdstuk
- Data importeren met pandas
- Data omzetten naar numpy-array
- Gebruiken in tensorflow zonder aanpassing

Data importeren en converteren

# 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)

We focussen in dit hoofdstuk op data in csv-formaat
Pandas heeft ook methoden voor andere formaten
- Bijv. read_json(), read_html(), read_excel()

Parameters van read_csv()

Parameter	Beschrijving	Standaard
`filepath_or_buffer`	Accepteert een bestandspad of URL.	`None`
`sep`	Scheidingsteken tussen kolommen.	`,`
`delim_whitespace`	Boolean om op witruimte te scheiden.	`False`
`encoding`	Te gebruiken codering, indien van toepassing.	`None`

Gemengde datatypes gebruiken

Deze afbeelding toont gegevens uit de King County-huisdataset met de kolom huisprijs gemarkeerd.

Deze afbeelding toont gegevens uit de King County-huisdataset met de kolom waterfront gemarkeerd.

Het datatype instellen

# 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)

Het datatype instellen

# 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)

Laten we oefenen!

Introductie tot TensorFlow in Python