Python 将熊猫数据帧转换为PyTorch张量？

我想在熊猫数据帧

df

上用PyTorch训练一个简单的神经网络

其中一列名为

“Target”

，它是网络的目标变量。如何使用此数据帧作为PyTorch网络的输入

我试过这个，但不起作用：

import pandas as pd
import torch.utils.data as data_utils

target = pd.DataFrame(df['Target'])
train = data_utils.TensorDataset(df, target)
train_loader = data_utils.DataLoader(train, batch_size=10, shuffle=True)

---

我指的是标题中的问题，因为您没有在文本中指定任何其他内容，所以只需将数据帧转换为PyTorch张量即可

没有关于数据的信息，我只是将浮点值作为示例目标

将熊猫数据帧转换为PyTorch张量？

将熊猫作为pd导入
进口火炬
随机输入
#创建虚拟目标（浮动值）
targets_data=[random.random（）表示范围内的i（10）]
#从目标\u数据创建数据帧
targets\u df=pd.DataFrame（data=targets\u data）
targets_df.columns=['targets']
#从目标创建张量
torch\u张量=torch.tensor（目标值）
#打印结果
打印（火炬张量）

输出：

tensor([ 0.5827,  0.5881,  0.1543,  0.6815,  0.9400,  0.8683,  0.4289,
         0.5940,  0.6438,  0.7514], dtype=torch.float64)

使用Pytorch 0.4.0进行测试

---

我希望这能帮助你，如果你还有任何问题，尽管问吧。：）

也许可以尝试一下，看看它是否能解决您的问题（基于您的示例代码）

---

只需转换

pandas数据帧->numpy数组->pytorch张量

。这方面的一个例子如下所述：

import pandas as pd
import numpy as np
import torch

df = pd.read_csv('train.csv')
target = pd.DataFrame(df['target'])
del df['target']
train = data_utils.TensorDataset(torch.Tensor(np.array(df)), torch.Tensor(np.array(target)))
train_loader = data_utils.DataLoader(train, batch_size = 10, shuffle = True)

---

希望这能帮助您使用pytorch（与最新版本的pytorch兼容）创建自己的数据集。

您可以使用以下函数将任何数据帧或熊猫系列转换为pytorch张量

将熊猫作为pd导入
进口火炬
#确定支持的设备
def get_设备（）：
如果torch.cuda.U可用（）：
设备=火炬。设备（'cuda:0'）
其他：
设备=火炬。设备（'cpu'）#没有GPU
返回装置
#将df转换为要在pytorch中使用的张量
def df_至_张量（df）：
设备=获取设备（）
将torch.from_numpy（df.values）.float（）返回到（设备）
df_张量=df_到_张量（df）
级数张量=df到张量（级数）

您可以直接将属性（numpy数组）传递给数据集构造函数：

将torch.utils.data作为数据导入
#创建np数组
target=df['target'].值
特征=df.drop（'Target'，轴=1）。值
#传递给数据加载器
列车=数据\实用张力数据集（特征、目标）
火车装载机=数据装载机。数据装载机（火车，批量大小=10，随机播放=True）

---

注意：您的功能（

df

）还包含目标变量（

df['target']

），即您的网络是“作弊”，因为它可以在输入中看到目标。您需要从功能集中删除此列

---

我用你的代码写了这个：

train\u target=torch.tensor（train['target'].values）train=torch.tensor（train.drop（'target'，axis=1.values）train\u tensor=data\u utils.TensorDataset（train，train\u target）train\u loader=data\u utils.DataLoader（dataset=train\u tensor，batch\u size=batch\u size，shuffle=True）

运行神经网络模型时，我得到以下错误：

运行时错误：预期对象的类型为torch.FloaTtensor，但找到参数#4'mat1'的类型为torch.DoubleTensor

您使用的是什么PyTorch版本？版本

0.3.1.

与版本

0.4.0.

有很大不同。您的数据帧看起来如何？最好是更新您的问题，否则将很难重现您的问题。仅就记录而言，在术语上：您不是转换熊猫数据帧，而是转换熊猫系列（您首先强制应用

。值
）数组）。张量是多维的（否则我们称它们为向量和矩阵）。你能从数据帧的一列（系列）中展示3D火炬张量的构造吗？欢迎来到StackOverflow！为了获得良好的响应，请阅读（特别是）相关内容。问题：您的功能（
df
）还包含目标变量（
df['target']
）（即您的网络“作弊”，因为它可以将结果视为输入）您好，感谢您的贡献！和@iacob的答案有什么不同吗？嗨，我必须先把目标和特征转换成torch.tensor。
import pandas as pd
import numpy as np
import torch

df = pd.read_csv('train.csv')
target = pd.DataFrame(df['target'])
del df['target']
train = data_utils.TensorDataset(torch.Tensor(np.array(df)), torch.Tensor(np.array(target)))
train_loader = data_utils.DataLoader(train, batch_size = 10, shuffle = True)

#This works for me

target = torch.tensor(df['Targets'].values)
features = torch.tensor(df.drop('Targets', axis = 1).values)

train = data_utils.TensorDataset(features, target)
train_loader = data_utils.DataLoader(train, batch_size=10, shuffle=True)