dataset需要实现def __getitem__(self, index) -> T_co: # 基于一个索引返回一个训练样本(x, y)构成的训练对 raise NotImplementedError("Subclasses of Dataset should implement __getitem__.") def __len__(self): # 将数据放进去，返回数据总大小 return len(self.img_labels) return self.tensors[0].size(0)import os import pandas as pd from torchvision.io import read_image # 从磁盘中读取训练数据、__getitem__中能够根据idx返回相对...

torch.gather(input, dim, index, *, sparse_grad=False, out=None) → [Tensor]Gathers values along an axis specified by dim.Parametersinput (Tensor) – the source tensordim (int) – the axis along which to indexindex (LongTensor) – the indices of elements to gatherKeyword Argumentssparse_grad (bool, optional) – If True, gradient w.r.t. input will be a sparse tensor.out (Tensor, optional) ...

Pandas使用这些函数处理缺失值:isnull和notnull:检测是否是空值，可用于df和seriesdropna:丢弃、删除缺失值axis:删除行还是列，{0 or "'index', 1 or 'columns'}, default o how:如果等于any则任何值为空都删除，如果等于all则所有值都为空才删除inplace :如果为True则修改当前df，否则返回新的dffillna:填充空值value:用于填充的值，可以是单个值，或者字典(key是列名，value是值)method:等于ffill使用前一个不为空的值填充forword fill;等于bfill使用后一个不为空的值填充backword fillaxis:按行还是列填充，{0 or 'index', 1 or 'columns"} inplace :如果为True...

在进行数据分析时，经常需要按照一定条件创建新的数据列，然后进行进一步分析。直接赋值实例:清理温度列，变成数字类型实例:计算温差df. apply方法Apply a function along an axis of the DataFrame.Objects passed to the function are Series objects whose index is either the DataFrame's index(axis=0) or the DataFrame's columns (axis=1).实例:添加一列温度类型:1.如果最高温度大于33度就是高温2.低于-10度是低温3.否则是常温df.assign方法Assign new columns to a DataFrame.Returns a new object with all ori...

df.loc方法，根据行、列的标签值查询df.iloc方法，根据行、列的数字位置查询df.where方法df.query方法.loc既能查询，又能覆盖写入，强烈推荐!Pandas使用df.loc查询数据的方法预处理：使用单个label值查询数据行或者列，都可以只传入单个值，实现精确匹配：使用值列表批量查询使用数值区间进行范围查询区间既包含开始，也包含结束，注意其与切片的区别：使用条件表达式查询bool列表的长度得等于行数或者列数：简单条件查询，最低温度低于-10度的列表复杂条件查询，查一下我心中的完美天气注意，组合条件用&符号合并，每个条件判断都得带括号调用函数查询Pandas学习系列说明：本系列仅仅作为Pandas视频的归纳总结与记录，在此感谢蚂蚁学Python