Importer des fichiers plats avec NumPy
Dans cet exercice, vous allez charger l'ensemble de données MNIST pour la reconnaissance de chiffres à l'aide de la fonction numpy loadtxt() afin de voir à quel point c'est simple :
- Le premier argument sera le nom de fichier.
- Le deuxième sera le séparateur qui, dans ce cas-ci, est une virgule.
L'ensemble de données MNIST regroupe des chiffres manuscrits de 0 à 9, couramment utilisé dans le domaine du Machine Learning. Il sert de banc d'essai pour évaluer la performance des algorithmes de reconnaissance et de classification de ces nombres.
Cette activité fait partie du cours
Introduction à l'importation de données en Python
Instructions de l’exercice
- Renseignez les arguments de
np.loadtxt()en passantfileet une virgule','comme séparateur. - Renseignez l'argument de
print()pour afficher le type de l'objetdigits. Utilisez la fonctiontype(). - Exécutez le reste du code pour visualiser l'une des lignes des données.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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()