Pytorch在Pandas上的应用

本文探讨了如何将Pandas数据转换为Pytorch格式,并介绍了利用Pytorch构建多层神经网络的方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文主要针对Pandas处理数据之后,采用Pytorch处理数据的做法。

Pandas转torch

train=torch.tensor(train.values)#将pandas转torch
train=train.to(torch.float32)#将torch中的类型转化为float,因为有时pandas中格式不统一

构造多层神经网络

import torch
import torch.nn.functional as F
class Net(torch.nn.Module):
    def __init__(self,n_features,n_hidden_1,n_hidden_2,n_output): #构造函数
        #构造函数里面的三个参数分别为,输入,中间隐藏层处理,以及输出层
        super(Net,self).__init__() #官方步骤
        self.l1=torch.nn.Linear(n_features, n_hidden_1)
        self.l2=torch.nn.Linear(n_hidden_1,n_hidden_2)
        self.l3=torch.nn.Linear(n_hidden_2,n_output)

    def forward(self,x):  #搭建的第一个前层反馈神经网络  向前传递
        x = F.relu(self.l1(x))# 激活函数,直接调用torch.nn.functional中集成好的Relu
        x=F.relu(self.l2(x))
        x = self.l3(x)  #此行可预测也可以不预测
        return x
net = Net(n_features,70,70,1)

optimizer = torch.optim.SGD(net.parameters(),lr=0.01)
loss_func = torch.nn.MSELoss() #使用均方差处理回归问题
### 安装 PyTorchPandas 库的方法 #### 使用 pip 工具安装 如果用户的 Python 环境已经配置好 `pip`,可以通过以下命令来安装这两个库: 对于 Pandas 的安装,可能会遇到依赖 Cython 的情况。此时可以按照以下方法解决: ```bash pip install cython pip install pandas ``` 上述操作能够处理因缺少 Cython 而引发的错误[^1]。 而对于 PyTorch,则需要访问其官方页面获取适合操作系统版本的具体安装命令。通常情况下,可以直接运行以下通用命令(适用于 CPU 版本): ```bash pip install torch torchvision torchaudio ``` --- #### 使用 Conda 工具安装 Conda 是 Anaconda 发行版自带的一个包管理工具,它能更方便地管理和隔离不同环境中的软件包。以下是具体的操作方式: 1. **创建并激活新环境** 如果尚未有专门用于项目的虚拟环境,可执行以下命令创建一个新的环境,并命名为 `myenv` 或其他自定义名称: ```bash conda create --name myenv python=3.9 conda activate myenv ``` 2. **通过 Conda 安装 Pandas** 可以直接利用 Conda 来完成 Pandas 的安装工作: ```bash conda install pandas ``` 这种方式无需额外考虑 Cython 的兼容性问题[^2]。 3. **针对特定环境下的 PyTorch 安装** 对于 PyTorch,在已有的环境中可通过以下步骤实现安装: - 首先确认当前所处的工作环境; - 接着输入相应的安装指令。例如,为了在名为 `pytorch_env` 的环境下安装最新稳定版 PyTorch,应依次执行下列语句: ```bash conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` 另外需要注意的是,当涉及多个科学计算框架时,合理规划各个库之间的关系非常重要。比如 Numpy、Scipy、以及深度学习领域常用的 TensorFlow 或 Keras 等都可能被集成到同一项目里[^3]。 最后提醒一点,有关 Matplotlib 和 PandasPyTorch 中的应用场景,有时也需要特别注意两者间的交互效果及性能优化等问题[^4]。 ---
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值