Вхідні дані

Вступ до TensorFlow на Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Слайд містить схему трьох типів даних: текстові, зображення та числові.

Імпорт даних для використання в TensorFlow

Дані можна імпортувати через tensorflow
- Зручно для складних конвеєрів
- У цьому розділі не потрібно
Простіший варіант у цьому розділі
- Імпортуйте дані через pandas
- Перетворіть на масив numpy
- Використовуйте в tensorflow без змін

Як імпортувати та конвертувати дані

# 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)

У цьому розділі зосередимось на даних у форматі csv
У pandas також є методи для інших форматів
- Напр., read_json(), read_html(), read_excel()

Параметри read_csv()

Параметр	Опис	Типове значення
`filepath_or_buffer`	Приймає шлях до файлу або URL.	`None`
`sep`	Роздільник між стовпцями.	`,`
`delim_whitespace`	Логічний прапорець: чи розділяти за пробілами.	`False`
`encoding`	Кодування, якщо потрібно.	`None`

Використання змішаних типів даних

Знімок набору даних про житло округу Кінг із підсвіченим стовпцем ціни.

Знімок набору даних про житло округу Кінг із підсвіченим стовпцем waterfront.

Задавання типу даних

# 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)

Задавання типу даних

# 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 потренуємось!

Вступ до TensorFlow на Python