【动手学深度学习】1.数据操作 + 数据预处理

前言

这一部分笔记讲解的是数据的一些操作及其预处理，涉及torch库，numpy库，以及pandas库，有疑问可以直接搜这些库。

---

数据操作

1. N维数组是机器学习和神经网络的主要数据结构。
下面是N维数组样例：


2. 创建数组

访问元素
在jupyter中实践一下，import numpy引入numpy库
定义一个二维数组：

而后访问一些元素：

前四个访问都好理解，只需要注意索引是从0开始，和别的编程语言一样，且冒号左右指的是一个左闭右开的区间，然后最后一个子区域[::3,::2]中的元素，指的是每跳3行且每跳2列访问元素，具体语法可以学习numpy中的数组操作。
python中的数组其实叫列表，不过这并不重要 🤪


3. 张量 表示一个数值组成的数组，但这个数组可能有多个维度。

我们可以通过shape属性访问张量的 形状 和张量中元素的总数

注意numel()是直接返回int类型的元素个数

要改变一个张量的形状而不改变元素数量和元素值，使用reshape函数

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

通过提供包含数值的 Python 列表（或嵌套列表）来为所需张量中的每个元素赋予确定值

常见的标准算术运算符（+、-、*、/ 和 **）都可以被升级为按元素运算

还有许多其他运算，比如指数运算

把张量 连结（concatenate） 在一起

这里dtype是指定float32类型，dim是指定维度。

通过 逻辑运算符 构建二元张量

对张量中的所有元素进行求和会产生一个只有一个元素的张量

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

广播机制
由于广播机制的存在，要十分注意代码的逻辑，防止出现意外的数组结果，这会导致代码在运行，但结果可能完全不对，而你又找不到问题出在哪儿…

可以用 [-1] 选择最后一个元素，可以用 [1:3] 选择第二个和第三个元素

除读取外，我们还可以通过指定索引来将元素写入矩阵

为多个元素赋值相同的值，我们只需要索引所有元素，然后为它们赋值

运行一些操作可能会导致为新结果分配内存

执行原地操作

如果在后续计算中没有重复使用 X，我们也可以使用 X[:] = X + Y 或 X += Y 来减少操作的内存开销

转换为 NumPy 张量

将大小为1的张量转换为 Python 标量

---

数据预处理

创建一个人工数据集，并存储在csv（逗号分隔值）文件

从创建的csv文件中加载原始数据集

为了处理缺失的数据，典型的方法包括 插值 和 删除 ， 这里，我们将考虑插值

对于inputs中的类别值或离散值，我们将“NaN”视为一个类别

这里的操作是将原来 Alley列进行特征处理，变成Alley_Pave列和Alley_nan列，其中Alley_Pave列指的是如果值原来为Pave则填充1，否则填充0，Alley_nan列则与反过来填充。

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

---

突然意识到自己都是贴的图片，应该把代码放上来
本文源代码 lesson01
链接：https://pan.baidu.com/s/1tj6qHFFuQ1GmVuWzwS1TLw
提取码：d2lc