《动手学深度学习》笔记1——数据操作+数据预处理

• 1.数据操作

张量

张量：表示一个由数值组成的数组，n维数组，PyTorch和tensorflow中的张量类为tensor,MXNet中的张量类为ndarray

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）； 具有两个轴以上的张量没有特殊的数学名称。

访问元素：

[1,2] # 访问一个元素
[1,:] # 访问一行元素
[:,1] # 访问一列元素
[1:3,1:] # 访问1到2行，1到最后一列元素
[::3,::2] # 跳着访问：每隔3行，每隔2列

首先导入torch：虽然它被称为PyTorch，但是代码中使用torch而不是pytorch。

import torch

使用 arange 创建一个行向量 x(0到11)：

通过张量的shape属性来访问张量（沿每个轴的长度）的形状：

长度为12

张量中的元素总个数（size）：

元素个数为12

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:

（改成三行四列的张量）

reshape(行，列），可以通过-1调用计算维度的功能，即x.reshape(-1,4)或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：

例：创建一个形状为（2，3，4）的全0、全1张量（2个3行4列）：

通过从某个特定的概率分布中随机采样来得到张量中每个元素的值：

例，创建一个3行4列的均值为0、标准差为1的标准高斯分布（正态分布）：

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:

运算符

常见的标准算术运算符（+、-、*、/和**）：

指数运算：

把多个张量连结（concatenate）在一起：

dim=0即按行连接；dim=1即按列连接

通过逻辑运算符构建二元张量：

例：x==y：

对张量中的所有元素进行求和，会产生一个单元素张量：.sum()

广播机制

广播机制的工作方式如下：

1. 通过适当复制元素来扩展一个或两个数组，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。

由于a和b分别是3×1和1×2矩阵，如果让它们相加，它们的形状不匹配。 我们将两个矩阵广播为一个更大的3×2矩阵，如下所示：矩阵a将复制列， 矩阵b将复制行，然后再按元素相加：

索引和切片

第一个元素的索引是0，最后一个元素索引是-1

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：

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:

（0到1行，所有列）

节省内存

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：首先创建一个新的全0矩阵Z，其形状与另一个Y相同， 使用zeros_like：

转化为其他python对象

2.数据预处理

读取数据集

首先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：

处理缺失值

“NaN”项代表缺失值。为了处理缺失的数据，典型的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，而删除法则直接忽略缺失值。此处应用的是插值法：

通过位置索引iloc，我们将data分成inputs和outputs， 其中前者为data的前两列，而后者为data的最后一列。 对于inputs中缺少的数值，我们用同一列的均值替换“NaN”项。

对于inputs中的类别值或离散值，我们将“NaN”视为一个类别。

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。当数据采用张量格式后，可以通过在 :numref:sec_ndarray中引入的那些张量函数来进一步操作。