李沐深度学习笔记-04数据 *** 作

李沐深度学习笔记-04数据 *** 作 前言

1.《动手学深度学习》https://zh-v2.d2l.ai/

2.记事本 https://github.com/d2l-ai/d2l-zh

3.数据 *** 作和数据预处理

N维数组是机器学习和神经网络的主要数据结构

数据 *** 作 数据 *** 作实现

1.首先，要导入torch，他被称为PyTorch，但我们应该导入torch，而不是Pytorch。

张量表示一个数值组成的数组，这个数组可能有多个维度

import torch
x=torch.arange(12)	#tensor([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])
x.shape				#shape属性来访问张量的形状和张量中元素的总数
#torch.Size([12])
x.numel()			#12
X=x.reshape(3,4)	#要改变一个张量的形状而不改变元素数量和元素值，可以调用reshape函数
torch.zeros((2,3,4))  #创建2*3*4的全0三维数组
torch.ones((2,3,4))  #创建2*3*4的全1三维数组
torch.tensor([[2,1,4,3],[1,2,3,4],[4,3,2,1]])
#tensor([[2, 1, 4, 3],
#        [1, 2, 3, 4],
#        [4, 3, 2, 1]])
torch.tensor([[[2,1,4,3],[1,2,3,4],[4,3,2,1]]]).shape  #torch.Size([1, 3, 4])
x=torch.tensor([1.0,2,4,8])
y=torch.tensor([2,2,2,2])
x+y,x-y,x*y,x/y,x**y
'''(tensor([ 3.,  4.,  6., 10.]),
 tensor([-1.,  0.,  2.,  6.]),
 tensor([ 2.,  4.,  8., 16.]),
 tensor([0.5000, 1.0000, 2.0000, 4.0000]),
 tensor([ 1.,  4., 16., 64.]))'''
torch.exp(x)
#tensor([2.7183e+00, 7.3891e+00, 5.4598e+01, 2.9810e+03])

torch.cat(X,Y)把这两个元素合并在一起，dim=0，按列堆起来，dim=1，按行并排。

# dim = 0: 代表基于batchSize拼接
# dim = 1: 代表基于通道拼接
# dim = 2: 代表基于高拼接
# dim = 3: 代表基于宽拼接

#接上面
#按元素值进行判定
X==Y
#输出tensor([[False,  True, False,  True],
#        [False, False, False, False],
#        [False, False, False, False]])
X.sum()		#求和
#tensor(66.)

即使形状不同，我们仍然可以通过调用广播机制(broadcasting mechanism)来执行按元素 *** 作

a=torch.arange(3).reshape((3,1))
b=torch.arange(2).reshape((1,2))
a,b
#输出(tensor([[0],
#         [1],
#         [2]]),
# tensor([[0, 1]]))

a+b
#在a和b形状不一样的情况下，但是维度一样，都是二维数组，我们可以把a和b都复制成3*2的矩阵，这样就可以相加了。（广播机制）
#输出tensor([[0, 1],
#        [1, 2],
#        [2, 3]])

X[-1],X[1:3]		#X[-1]取最后一行的元素，X[1:3]取第二三行的元素
X[1,2]			#下标为(1,2)的元素
X[0:2,:]=12		#把第一二行的元素赋值为12

运行一些 *** 作可能会导致为新结果分配内存（对一个很大的矩阵不要对他进行不断地赋值赋值）

before=id(Y)
Y=Y+X
id(Y)==before
#输出False，已经不是原来的地址了

#id告诉你object在python里面唯一的标识号

Z=torch.zeros_like(Y)		#Z跟Y的shape和数据类型是一样的，但是所有的元素是0
print('id(Z):',id(Z))
Z[:]=X+Y
print('id(Z):',id(Z))
#输出:id(Z): 2027639512256
#id(Z): 2027639512256

数据预处理实现

创建一个人工数据集，并存储在csv(逗号分隔值)文件

os.makedirs() 方法用于递归创建目录。

如果子目录创建失败或者已经存在，会抛出一个 OSError 的异常

语法格式如下：

os.makedirs(path, mode=0o777)

参数

• path – 需要递归创建的目录，可以是相对或者绝对路径。。
• mode – 权限模式。

返回值

该方法没有返回值。

os.path()

Python os.path() 模块 | 菜鸟教程 (runoob.com)

os.path.join(path1[, path2[, …]]) 把目录和文件名合成一个路径

import os
os.makedirs(os.path.join('D:/term1/Machine learning/LM/data','data'),exist_ok=True)
#在'D:/term1/Machine learning/LM/data'下创建了一个data文件夹
data_file=os.path.join('D:/term1/Machine learning/LM/data','data','house_tiny.csv')
#在上面创建的data文件夹里面创建了一个'house_tiny.csv'文件

#打开文件夹，写入数据
with open(data_file,'w') as f:
    f.write('NumRooms,Alley,Pricen')   #列名
    f.write('NA,Pave,127500n')
    f.write('2,NA,106000n')
    f.write('4,NA,178100n')
    f.write('NA,NA,140000n')

#从创建的csv文件中加载原始数据集
import pandas as pd
data=pd.read_csv(data_file)
print(data)
'''   NumRooms Alley   Price
0       NaN  Pave  127500
1       2.0   NaN  106000
2       4.0   NaN  178100
3       NaN   NaN  140000'''
#pandas.csv() 函数将逗号分离的值 （csv） 文件读入数据框架

为了处理缺失的数据，典型的方法包括插值和删除，这里我们考虑插值

loc函数：通过行索引 “Index” 中的具体值来取行数据（如取"Index"为"A"的行）

iloc函数：通过行号来取行数据（如取第二行的数据）

pandas中fillna()方法，能够使用指定的方法填充NA/NaN值。

mean(),均值

inputs,outputs=data.iloc[:,0:2],data.iloc[:,2]
inputs=inputs.fillna(inputs.mean())
print(inputs)
'''   NumRooms Alley
0       3.0  Pave
1       2.0   NaN
2       4.0   NaN
3       3.0   NaN'''

对于inputs中的类别值或离散值，我们将"NaN"视为一个类别

get_dummies 是利用pandas实现one hot encode的方式。