公司网站建设会计分录,wordpress导航栏添加按钮,一级域名好还是二级域名好,湘潭网站建设 AA磐石网络01 数据操作与预处理 一、数据操作1.1 基本数据操作1.2 广播机制1.3 索引和切片1.4 节省内存1.5 转换为其他Python对象 二、数据预处理读取数据集处理缺失值转换为张量格式练习 一、数据操作
1.1 基本数据操作
导入torch
import torch张量表示一个由数值组成的数组#xff… 01 数据操作与预处理 一、数据操作1.1 基本数据操作1.2 广播机制1.3 索引和切片1.4 节省内存1.5 转换为其他Python对象 二、数据预处理读取数据集处理缺失值转换为张量格式练习 一、数据操作
1.1 基本数据操作
导入torch
import torch张量表示一个由数值组成的数组这个数组可能有多个维度轴。具有一个轴的张量对应数学上的向量vector具有两个轴的张量对应数学上的矩阵matrix具有两个以上轴的张量没有特定的数学名称。
张量中的每个值称为张量的元素element。
# 使用arange创建一个行向量x
x torch.arange(12)
xtensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])可以通过张量的shape属性来访问张量沿每个轴的长度的形状shape
x.shapetorch.Size([12])如果只想知道张量中元素的总数即形状的所有元素乘积可以检查它的大小size。因为这里处理的是一个向量所以它的shape与size相同。
x.numel()12x.size()torch.Size([12])要想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
X x.reshape(3, 4)
Xtensor([[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]])如果我们的目标形状是高度宽度那么在知道宽度后高度会被自动计算得出。我们可以通过-1来调用此自动计算出形状即可以用x.reshape(-1, 4)获x.reshape(3, -1)来取代x.reshape(3, 4)。
使用全0、全1、其他常量或者从特定分布中随机采样的数字来初始化矩阵
# 全0矩阵
torch.zeros((2, 3, 4))tensor([[[0., 0., 0., 0.],[0., 0., 0., 0.],[0., 0., 0., 0.]],[[0., 0., 0., 0.],[0., 0., 0., 0.],[0., 0., 0., 0.]]])# 全1矩阵
torch.ones((2, 3, 4))tensor([[[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.]],[[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.]]])# 每个元素都从均值为0、标准差为1的标准高斯分布正态分布中随机采样的矩阵
torch.randn(3, 4)tensor([[-0.1503, -0.1886, 0.3691, -0.5482],[ 1.1731, 0.1596, 1.1706, 0.0437],[ 0.0513, -0.5481, -0.7855, -0.9853]])运算符
x torch.tensor([1.0, 2, 4, 8])
y torch.tensor([2, 2, 2, 2])
x y, x - y, x / y, x ** y # **运算符表示求幂运算(tensor([ 3., 4., 6., 10.]),tensor([-1., 0., 2., 6.]),tensor([0.5000, 1.0000, 2.0000, 4.0000]),tensor([ 1., 4., 16., 64.]))torch.exp(x) # 求幂tensor([2.7183e00, 7.3891e00, 5.4598e01, 2.9810e03])把多个张量连接concatenate在一起
X torch.arange(12, dtype torch.float32).reshape((3, 4))
Y torch.tensor([[2.0, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]])
torch.cat((X, Y), dim 0), torch.cat((X, Y), dim 1) (tensor([[ 0., 1., 2., 3.],[ 4., 5., 6., 7.],[ 8., 9., 10., 11.],[ 2., 1., 4., 3.],[ 1., 2., 3., 4.],[ 4., 3., 2., 1.]]),tensor([[ 0., 1., 2., 3., 2., 1., 4., 3.],[ 4., 5., 6., 7., 1., 2., 3., 4.],[ 8., 9., 10., 11., 4., 3., 2., 1.]]))逻辑运算符构建二元张量
X Ytensor([[False, True, False, True],[False, False, False, False],[False, False, False, False]])对张量中所有元素求和会产生一个单元素张量
X.sum()tensor(66.)1.2 广播机制
在某些情况下即使张量形状不同我们仍然可以通过调用广播机制broadcasting mechanism来执行按元素操作。这种机制的工作方式如下
1通过适当复制元素来扩展一个获两个数组以便在转换之后两个张量具有相同的形状
2对生成的数组执行按元素操作。
a torch.arange(3).reshape((3, 1))
b torch.arange(2).reshape((1, 2))
a, b(tensor([[0],[1],[2]]),tensor([[0, 1]]))a btensor([[0, 1],[1, 2],[2, 3]])1.3 索引和切片
与任何python数组一样第一个元素的索引是0最后一个元素的索引是-1可以指定范围以包含第一个元素和最后一个之前的元素。
X[-1], X[1:3](tensor([ 8., 9., 10., 11.]),tensor([[ 4., 5., 6., 7.],[ 8., 9., 10., 11.]]))除读取外还可以通过制定索引将元素写入矩阵
X[1, 2] 9
Xtensor([[ 0., 1., 2., 3.],[ 4., 5., 9., 7.],[ 8., 9., 10., 11.]])如果想为多个元素赋相同的值只需要索引所有元素然后赋值。
X[0:2, :] 12
Xtensor([[12., 12., 12., 12.],[12., 12., 12., 12.],[ 8., 9., 10., 11.]])其中[0:2, :]访问第1行和第2行其中“:”代表沿轴1列的所有元素
1.4 节省内存
运行一些操作可能会导致为新结果分配内存。 例如如果我们用Y X Y将取消引用Y指向的张量而是指向新分配的内存处的张量。
before id(Y)
Y Y X
id(Y) beforeFalse运行Y Y X后会发现id(Y)指向另一个位置。 这是因为Python首先计算Y X为结果分配新的内存然后使Y指向内存中的这个新位置。
这可能是不可取的原因有两个
首先我们不想总是不必要地分配内存。在机器学习中我们可能有数百兆的参数并且在一秒内多次更新所有参数。通常情况下我们希望原地执行这些更新如果我们不原地更新其他引用仍然会指向旧的内存位置这样我们的某些代码可能会无意中引用旧的参数。
执行原地操作非常简单。 我们可以使用切片表示法将操作的结果分配给先前分配的数组例如Y[:] 。 为了说明这一点我们首先创建一个新的矩阵Z其形状与另一个Y相同 使用zeros_like来分配一个全0的块。
Z torch.zeros_like(Y)
print(id(Z):, id(Z))
Z[:] X Y
print(id(Z):, id(Z))id(Z): 1343601274288
id(Z): 1343601274288如果后续计算中没有重复使用X也可以使用 X[:] X Y 或 X Y 来减少操作的内存开销。
before id(X)
X Y
id(X) beforeTrue1.5 转换为其他Python对象
A X.numpy()
B torch.tensor(A)
type(A), type(B)(numpy.ndarray, torch.Tensor)要将大小为1的张量转换为Python标量可以调用item函数或Python的内置函数
a torch.tensor([3.5])
a, a.item(), float(a), int(a)(tensor([3.5000]), 3.5, 3.5, 3)二、数据预处理
读取数据集
创建一个人工数据集并存储在csv文件中
import osos.makedirs(os.path.join(.., data), exist_ok True)
data_file os.path.join(.., data, house_tiny.csv)
with open(data_file, w) as f:f.write(NumRooms,Alley,Price\n) # 列名f.write(NA,Pave,127500\n) # 每行表示一个数据样本f.write(2,NA,106000\n)f.write(4,NA,178100\n)f.write(NA,NA,140000\n)导入pandas包并调用read_csv函数
import pandas as pddata 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处理缺失值
“NaN”项代表缺失值 处理缺失数据的典型方法包括插值法和删除法其中插值法用一个替代值弥补缺失值删除法则直接忽略缺失值
在这里考虑插值法。通过位置索引iloc将data分成inputs和outputs其中前者为data的前两列后者为data的最后一列。对于inputs中缺少的数值用同一列的均值替换“NaN”项。
inputs, outputs data.iloc[:, 0:2], data.iloc[:, 2]
inputs inputs.fillna(inputs.select_dtypes(include number).mean()) # 区别于书中的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中的类别值和离散值我们将“NaN”视为一个类别。由于Alley列只接受两种类型的类别值“Pave”和“NaN”pandas可以自动将此列转换为两列“Alley_Pave”和“Alley_nan”。 Alley列为“Pave”的行会将“Alley_Pave”的值设置为1“Alley_nan”的值设置为0。 缺少Alley列的行会将“Alley_Pave”和“Alley_nan”分别设置为0和1。
inputs pd.get_dummies(inputs, dummy_na True)
print(inputs)NumRooms Alley_Pave Alley_nan
0 NaN True False
1 2.0 False True
2 4.0 False True
3 NaN False True转换为张量格式
现在inputs和outputs中的所有条目都是数值类型它们可以转换为张量格式。
import torchX torch.tensor(inputs.to_numpy(dtype float))
y torch.tensor(outputs.to_numpy(dtype float))
X, y(tensor([[nan, 1., 0.],[2., 0., 1.],[4., 0., 1.],[nan, 0., 1.]], dtypetorch.float64),tensor([127500., 106000., 178100., 140000.], dtypetorch.float64))练习
创建包含更多行和列的原始数据集 1删除缺失值最多的列 2将预处理后的数据集转换为张量格式
# 创建数据集
import osos.makedirs(os.path.join(.., data), exist_ok True)
data_file os.path.join(.., data, house_tiny.csv)
with open(data_file, w) as f:f.write(NumRooms,Alley,Price,others\n) # 列名f.write(NA,Pave,127500,Pave\n) # 每行表示一个数据样本f.write(2,NA,106000,NA\n)f.write(4,NA,178100,Pave\n)f.write(NA,NA,140000,Pave\n)
import pandas as pddata pd.read_csv(data_file)
print(data)NumRooms Alley Price others
0 NaN Pave 127500 Pave
1 2.0 NaN 106000 NaN
2 4.0 NaN 178100 Pave
3 NaN NaN 140000 Pave# 删除缺失值最多的列
count 0
count_max 0
labels [NumRooms,Alley,Price,others]
for label in labels:count data[label].isna().sum()if count count_max:count_max countflag label
data_new data.drop(flag, axis 1)
data_newNumRoomsPriceothers0NaN127500Pave12.0106000NaN24.0178100Pave3NaN140000Pave
# 将data_new分成inputs和outputs其中前者为data_new的前两列后者为data_new的最后一列
inputs, outputs data_new.iloc[:, 0:2], data_new.iloc[:, 2]
inputs inputs.fillna(inputs.select_dtypes(include number).mean()) # 对于inputs中的缺失值用同一列的均值替换
print(inputs)
outputs pd.get_dummies(outputs, dummy_na True)
print(outputs)NumRooms Price
0 3.0 127500
1 2.0 106000
2 4.0 178100
3 3.0 140000Pave NaN
0 True False
1 False True
2 True False
3 True False# 转换为张量格式
import torchX torch.tensor(inputs.to_numpy(dtype float))
y torch.tensor(outputs.to_numpy(dtype float))
X, y(tensor([[3.0000e00, 1.2750e05],[2.0000e00, 1.0600e05],[4.0000e00, 1.7810e05],[3.0000e00, 1.4000e05]], dtypetorch.float64),tensor([[1., 0.],[0., 1.],[1., 0.],[1., 0.]], dtypetorch.float64))
