Importowanie plików płaskich za pomocą NumPy

W tym ćwiczeniu wczytasz zbiór danych MNIST do rozpoznawania cyfr, korzystając z funkcji loadtxt() z biblioteki NumPy. Przekonasz się, jak proste może być importowanie danych:

Pierwszy argument to nazwa pliku.
Drugi argument to separator – w tym przypadku przecinek.

Zbiór danych MNIST to kolekcja odręcznie pisanych cyfr od 0 do 9, często używana w dziedzinie uczenia maszynowego. Służy jako punkt odniesienia do oceny skuteczności algorytmów rozpoznawania i klasyfikowania tych cyfr.

To ćwiczenie jest częścią kursu

Wprowadzenie do importowania danych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Uzupełnij argumenty np.loadtxt(), przekazując file oraz przecinek ',' jako separator.
Uzupełnij argument funkcji print(), aby wyświetlić typ obiektu digits. Skorzystaj z funkcji type().
Uruchom pozostałą część kodu, aby zwizualizować jeden z wierszy danych.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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()

Edytuj i uruchom kod