Importera platta filer med NumPy

I den här övningen ska du ladda in MNIST-datasetet för sifferigenkänning med NumPy-funktionen loadtxt() och se hur enkelt det kan vara:

Det första argumentet är filnamnet.
Det andra är avgränsaren, som i det här fallet är ett kommatecken.

MNIST-datasetet är en samling handskrivna siffror från 0 till 9 och används ofta inom maskininlärning som ett riktmärke för att utvärdera hur väl algoritmer kan känna igen och klassificera dessa siffror.

Den här övningen är en del av kursen

Introduktion till dataimport i Python

Visa kurs

Övningsinstruktioner

Fyll i argumenten till np.loadtxt() genom att skicka file och ett kommatecken ',' som avgränsare.
Fyll i argumentet till print() för att skriva ut typen av objektet digits. Använd funktionen type().
Kör resten av koden för att visualisera en av raderna i datan.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()

Redigera och kör kod