tf.data 加载 pandas dataframes

tf.data 加载 pandas dataframes

code

# -*- coding: utf-8 -*-
"""
Created on  2020/11/20 16:39
@Author: CY
@email: 5844104706@qq.com
"""

#小型数据集，由克利夫兰诊所心脏病基金会（Cleveland Clinic Foundation for Heart Disease）提供
# 此数据集中有几百行CSV。每行表示一个患者，每列表示一个属性（describe）。
# 我们将使用这些信息来预测患者是否患有心脏病，
# 这是一个二分类问题

# !pip install -q tensorflow-gpu==2.0.0-rc1
import pandas as pd
import tensorflow as tf

csv_file = tf.keras.utils.get_file('heart.csv', 'https://storage.googleapis.com/applied-dl/heart.csv')
df = pd.read_csv(csv_file)
print(df.head())
print(df.dtypes)

#将 thal 列（数据帧（dataframe）中的 object ）转换为离散数值。
df['thal'] = pd.Categorical(df['thal'])
df['thal'] = df.thal.cat.codes

print("转换为离散数值",df.head())

print("#使用 tf.data.Dataset 读取数据")
#使用 tf.data.Dataset.from_tensor_slices 从 pandas dataframe 中读取数值。
#使用 tf.data.Dataset 的其中一个优势是可以允许您写一些简单而又高效的数据管道（data pipelines)。从 loading data guide 可以了解更多。

target = df.pop('target')

dataset = tf.data.Dataset.from_tensor_slices((df.values, target.values))

for feat, targ in dataset.take(5):
    print ('Features: {}, Target: {}'.format(feat, targ))

tf.constant(df