共计 788 个字符,预计需要花费 2 分钟才能阅读完成。
最近在入门图像识别,天然也会用到深度学习框架,也接触到了一个新的数据结构——tensor(张量)。除此之外,也有一些很罕用的数据结构,比方 DataFrame、Series、array 等,这篇文章次要对这几种数据结构的创立及互相转换做一个小总结。
创立办法
DataFrame
这里就不在独自贴出每种数据结构的示例图,只是简略形容一下各个数据结构的特点。DataFrame 相似于一个二维矩阵,但它的行列都有对应的索引。
DataFrame 创立办法很多,这里给出比拟罕用的三种办法:
1、通过字典创立
2、通过元组创立
原理与通过字典创立统一,但须要留神行、列索引须要本人指定。
3、randn 随机生成
np.random.randn(m,n) 是生成一个 $m\times n$ 规格的矩阵,行列索引须要本人指定。
Series
Series 能够当成 DataFrame 中一个元素,一列索引对应一列值。
1、通过字典创立
2、通过列表创立
3、通过 arange 创立
array
tensor
这里 Tensor 是类,tensor 和 as_tensor 则是办法,第一种生成的是浮点型,后两种生成数据的类型和传入数据类型统一,也就是说传入整型生成整型,传入浮点型生成浮点型。
转化
DataFrame 拆解 Series
索引出的单行或者单列的数据类型为 Series。
DataFrame 转 array
1、间接获取 values
2、通过 numpy 转换
Series 转 DataFrame
1、合成
2、to_frame()
Series 转 array
办法同 DataFrame 转 array。
array 转 DataFrame
array 转 Series
array 转 tensor
tensor 转 array
下面这些创立及转化的办法只是一部分,也算是比拟罕用的一些,除此之外比方还能够通过列表作为两头介质进行转换等等,这里就不在过多介绍啦。
关注公众号【奶糖猫】获取更多精彩好文
正文完