本文总结了在深度学习中常见的数据类型转换，包括DataFrame、Series、Array和Tensor之间的相互转换。从Dataframe的列抽取Series，Series转换为list，list转为numpy array，再到PyTorch Tensor的转换，以及Tensor回转为list和array，最后介绍如何将array或list转换为Series。这些转换在数据预处理和模型训练中至关重要。
一、前言
对于在Deep Learning的学习中总会有几个数据类型的转换，这次想把这些常用的转换做一个总结，方便以后看。
这些主要包括：Dataframe、Series(pandas), array(numpy), list, tensor(torch)
二、定义
2.1 Dataframe和Series
这里简单介绍一下这两个结构。 Dataframe创建的方式有很多种，这里不赘述了。 以下举个例子，因为我们这里要讲的是和array等的转换，这里全都用数字型的元素。
对于dataframe来说，我们打印出来，结构类似于一个二维矩阵格式，只是每一列和每一个行都有个index，这并且这些结构之间有很多方便的操作，在读入结构化数据的时候尤为方便，所以平时做偏结构化数据的时候， 比如excel、pickle等等，pandas的使用是绕不开的。
而其中的series相当于dataframe的一个元素，如下。
Series只有row index，有点类似于一个一维向量。
而DataFrame既有行索引也有列索引，它也可以被看做由Series组成的字典(共同用一个索引
2.2 array
数组结构是由不同维度的list转换来的，用array的原因主要在于有更多的矩阵操作，数据使用起来更方便，比如转置、矩阵相乘、reshape等等。
2.3 tensor
最低0.47元/天 解锁文章
2495
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
