Входные данные

Введение в TensorFlow на Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

На слайде показана диаграмма трёх типов данных: текстовые, графические и числовые.

Импорт данных для TensorFlow

Данные можно импортировать с помощью tensorflow
- Удобно для сложных конвейеров обработки данных
- В этой главе не используется
В этой главе применяется более простой подход
- Импорт данных через pandas
- Преобразование в массив numpy
- Использование в tensorflow без изменений

Импорт и преобразование данных

# 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)

В этой главе мы работаем с данными в формате CSV
Pandas поддерживает и другие форматы
- Например: read_json(), read_html(), read_excel()

Параметры read_csv()

Параметр	Описание	Значение по умолчанию
`filepath_or_buffer`	Принимает путь к файлу или URL.	`None`
`sep`	Разделитель между столбцами.	`,`
`delim_whitespace`	Булево значение: использовать ли пробел как разделитель.	`False`
`encoding`	Кодировка, если требуется.	`None`

Работа с наборами данных смешанных типов

На изображении показаны данные из набора данных о жилье округа Кинг с выделенным столбцом цены.

На изображении показаны данные из набора данных о жилье округа Кинг с выделенным столбцом о близости к водоёму.

Указание типа данных

# 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)

Указание типа данных

# 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)

Давайте потренируемся!

Введение в TensorFlow на Python