【一图流】numpy、pandas、torch互相转化

此图描述了在进行深度学习时常用的几个库之间不同类型的转化。
导入数据一般的路径 : pandas->numpy->torch
画loss的路径 ：torch ->numpy ->matplotlib

Pandas DataFrame 和 NumPy 数组之间的转换

import pandas as pd
import numpy as np

# 创建一个示例 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8]
})
# 转换为 NumPy 数组
numpy_array = df.to_numpy()
# 或者使用
numpy_array = df.values

print(numpy_array)

# 创建一个示例 NumPy 数组
numpy_array = np.array([[1, 2, 3], [4, 5, 6]])
# 转换为 DataFrame
df = pd.DataFrame(numpy_array, columns=['A', 'B', 'C'])

print(df)

NumPy 数组和 PyTorch 张量之间的转换

import numpy as np
import torch

# 创建一个示例 NumPy 数组
numpy_array = np.array([[1, 2, 3], [4, 5, 6]])

# 转换为 PyTorch 张量
torch_tensor = torch.from_numpy(numpy_array)
print(torch_tensor)

# 创建一个示例 PyTorch 张量
torch_tensor = torch.tensor([[1, 2, 3], [4, 5, 6]])

# 转换为 NumPy 数组
numpy_array = torch_tensor.numpy()
print(numpy_array)

读写 CSV 文件

pandas

import pandas as pd
# 读取 CSV 文件
df = pd.read_csv('path_to_file.csv',sep=";") #sep指定分隔符
# 显示前几行数据
print(df.head())

# 保存 DataFrame 到 CSV 文件
df.to_csv('path_to_output_file.csv', index=False)

df.to_csv('example_output.csv', sep=',', index=False, na_rep='NA', \
			float_format='%.2f')

sep: 分隔符，默认是逗号（,）
index: 是否保存行索引，默认是 True
columns: 要保存的列
header: 是否写入列名，默认是 True
na_rep: 缺失值的表示，默认是空字符串
float_format: 浮点数格式

numpy

# 创建一个示例数组
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 保存数组到 .txt 文件
np.savetxt('array.txt', array)
# 保存数组到 .csv 文件，指定分隔符
np.savetxt('array.csv', array, delimiter=',')

# 读取 .txt 文件中的数组
loaded_array_txt = np.loadtxt('array.txt')
print(loaded_array_txt)

# 读取 .csv 文件中的数组，指定分隔符
loaded_array_csv = np.loadtxt('array.csv', delimiter=',')
print(loaded_array_csv)