Utilisation de NumPy pour importer des fichiers plats
Dans cet exercice, vous allez maintenant charger l'ensemble de données de reconnaissance de chiffres MNIST à l'aide de la fonction numpy loadtxt() et voir à quel point c'est facile :
- Le premier argument sera le nom du fichier.
- Le second sera le délimiteur qui, dans ce cas, est une virgule.
L'ensemble de données MNIST est une collection de chiffres manuscrits de 0 à 9, fréquemment utilisée dans le domaine du machine learning. Il sert de référence pour évaluer la performance des algorithmes dans la reconnaissance et la classification de ces nombres.
Cet exercice fait partie du cours
<cours>Introduction à l'importation de données en Python</cours>Instructions de l’exercice
- Complétez les arguments de
np.loadtxt()en transmettantfileet une virgule','comme délimiteur. - Complétez l'argument de
print()pour afficher le type de l'objetdigits. Utilisez la fonction . - Exécutez le reste du code pour visualiser l'une des lignes de 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()