Indata

Introduktion till TensorFlow i Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Bilden visar ett diagram med tre olika datatyper: textdata, bilddata och numerisk data.

Importera data för användning i TensorFlow

Data kan importeras med tensorflow
- Användbart för komplexa pipelines
- Behövs inte i det här kapitlet
Enklare alternativ används i det här kapitlet
- Importera data med pandas
- Konvertera data till numpy-array
- Använd direkt i tensorflow

Importera och konvertera data

# 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)

I det här kapitlet fokuserar vi på data i csv-format
Pandas har även metoder för andra format
- T.ex. read_json(), read_html(), read_excel()

Parametrar för read_csv()

Parameter	Beskrivning	Standard
`filepath_or_buffer`	Tar emot en filsökväg eller URL.	`None`
`sep`	Avgränsare mellan kolumner.	`,`
`delim_whitespace`	Boolesk – avgränsa med blanksteg eller inte.	`False`
`encoding`	Anger teckenkodning om tillämpligt.	`None`

Arbeta med dataset av blandade typer

Bilden visar data från King County-husdataset med priskolumnen markerad.

Bilden visar data från King County-husdataset med waterfront-kolumnen markerad.

Ange datatyp

# 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)

Ange datatyp

# 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)

Nu kör vi en övning!

Introduktion till TensorFlow i Python