【深度學習】array, list, tensor,Dataframe,Series之間互相轉換總結

一、前言

對於在Deep Learning的學習中總會有幾個數據類型的轉換，這次想把這些常用的轉換做一個總結，方便以後看。

這些主要包括：Dataframe、Series(pandas), array(numpy), list, tensor(torch)

二、定義2.1 Dataframe和Series

這裡簡單介紹一下這兩個結構。Dataframe創建的方式有很多種，這裡不贅述了。以下舉個例子，因為我們這裡要講的是和array等的轉換，這裡全都用數字型的元素。

對於dataframe來說，我們列印出來，結構類似於一個二維矩陣格式，只是每一列和每一個行都有個index，這並且這些結構之間有很多方便的操作，在讀入結構化數據的時候尤為方便，所以平時做偏結構化數據的時候， 比如excel、pickle等等，pandas的使用是繞不開的。

而其中的series相當於dataframe的一個元素，如下。

Series只有row index，有點類似於一個一維向量。

而DataFrame既有行索引也有列索引，它也可以被看做由Series組成的字典（共同用一個索引

2.2 array

數組結構是由不同維度的list轉換來的，用array的原因主要在於有更多的矩陣操作，數據使用起來更方便，比如轉置、矩陣相乘、reshape等等。

2.3 tensor

張量是在深度學習框架中的一個數據結構，把數據餵進模型中需要把數據轉換為tensor結構，等我們再取出來做框架以外的操作，比如保存成文件，用plot畫圖，都需要重新轉換為array或list結構。

三、互相轉換

先用一個例子直觀舉例下

四、詳細總結4.1 Dataframe到Series

挑一列的index取出

Series = Dataframe['column']
4.2 Series到list
list = Series.to_list()
4.3 list 轉 array
array = np.array(list)
4.4 array 轉 torch.Tensor
tensor = torch.from_numpy(array)
4.5 torch.Tensor 轉 array
array = tensor.numpy()
# gpu情況下需要如下的操作
array = tensor.cpu().numpy()
4.6 torch.Tensor 轉 list
# 先轉numpy，後轉list
list = tensor.numpy().tolist()
4.7 array 轉 list
list = array.tolist()
4.8 list 轉 torch.Tensor
tensor=torch.Tensor(list)
4.9 array或者list轉Series
series = pd.Series({'a': array})
series2 = pd.Series({'a': list})
之後這裡的操作就多了，看你具體需求了，也可以多個series拼成一個dataframe, 如下， 其他操作不一一贅述了
df = pd.DataFrame({'aa': series, 'bb': series2})
獲取一折本站知識星球優惠券，複製連結直接打開：
https://t.zsxq.com/yFQV7am
本站qq群1003271085。
加入微信群請掃碼進群：