NumPy zum Importieren von Flat Files verwenden

In dieser Übung lädst du den MNIST-Datensatz zur Ziffernerkennung mit der Numpy-Funktion loadtxt(). So einfach geht‘s:

Das erste Argument ist der Dateiname.
Das zweite ist das Trennzeichen, in diesem Fall ein Komma.

Der MNIST-Datensatz ist eine Sammlung handgeschriebener Ziffern von 0 bis 9, die häufig im Bereich des maschinellen Lernens verwendet wird. Sie dient als Maßstab für die Bewertung der Leistung des Algorithmus beim Erkennen und Klassifizieren dieser Zahlen.

Diese Übung ist Teil des Kurses

<Kurs>Einführung in das Importieren von Daten in Python</Kurs>

Kurs ansehen

Übungsanweisungen

Fülle die Argumente von np.loadtxt() aus, indem du file und ein Komma ',' als Trennzeichen angibst.
Fülle das Argument von print() aus, dass es den Typ des Objekts digits ausgibt. Verwende die Funktion type().
Führe den Rest des Codes aus, um eine der Datenzeilen zu visualisieren.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Import packages
import numpy as np

# Assign filename to variable: file
file = 'digits.csv'

# Load file as array: digits
digits = np.loadtxt(____, delimiter='____')

# Print datatype of digits
print(____)

# Select and reshape a row
im = digits[21, 1:]
im_sq = np.reshape(im, (28, 28))

# Plot reshaped data (matplotlib.pyplot already loaded as plt)
plt.imshow(im_sq, cmap='Greys', interpolation='nearest')
plt.show()

Code bearbeiten und ausführen