一、實(shí)驗(yàn)?zāi)康?/h2>

本次實(shí)驗(yàn)旨在使用 TensorFlow 庫(kù)讀取 CSV 文件，并將其數(shù)據(jù)以批次的形式進(jìn)行處理和展示。通過該實(shí)驗(yàn)，我們希望掌握 TensorFlow 中 tf.data.TextLineDataset 的使用方法，以及如何解析 CSV 數(shù)據(jù)并進(jìn)行批量處理。

二、實(shí)驗(yàn)環(huán)境

• 編程語(yǔ)言：Python
• 主要庫(kù)：TensorFlow、os
• 操作系統(tǒng)：Windows
• 實(shí)驗(yàn)數(shù)據(jù)：位于 C:\Users\30597\Desktop\sye\people.csv 的 CSV 文件，包含 Name、Age 和 Occupation 三列數(shù)據(jù)。

三、實(shí)驗(yàn)步驟

1. 導(dǎo)入必要的庫(kù)

import tensorflow as tf
import os

導(dǎo)入 tensorflow 庫(kù)用于數(shù)據(jù)處理，os 庫(kù)用于文件路徑驗(yàn)證。

2. 定義 CSV 讀取函數(shù)

def csv_reader(file_path, batch_size=2):
    # 1. 創(chuàng)建Dataset并跳過表頭
    dataset = tf.data.TextLineDataset(file_path).skip(1)
 
    # 2. 定義CSV解析函數(shù)
    def parse_line(line):
        record_defaults = [
            tf.constant(["Unknown"], tf.string),  # Name列
            tf.constant([0], tf.int32),  # Age列
            tf.constant(["Unknown"], tf.string)  # Occupation列
        ]
        fields = tf.io.decode_csv(line, record_defaults)
        return fields
 
    # 3. 應(yīng)用解析和批處理
    dataset = dataset.map(parse_line)
    dataset = dataset.batch(batch_size, drop_remainder=False)
    return dataset

• 創(chuàng)建 Dataset 并跳過表頭：使用 tf.data.TextLineDataset 讀取 CSV 文件的每一行，并通過 skip(1) 跳過表頭。
• 定義 CSV 解析函數(shù)：parse_line 函數(shù)使用 tf.io.decode_csv 解析每一行數(shù)據(jù)，同時(shí)指定每列的默認(rèn)值。
• 應(yīng)用解析和批處理：使用 map 方法將解析函數(shù)應(yīng)用到每個(gè)數(shù)據(jù)行，再使用 batch 方法將數(shù)據(jù)分成指定大小的批次。

3. 主程序邏輯

if __name__ == "__main__":
    # 指定具體文件路徑
    csv_path = r"C:\Users\30597\Desktop\sye\people.csv"
 
    # 驗(yàn)證文件存在性
    if not os.path.exists(csv_path):
        raise FileNotFoundError(f"CSV文件未找到：{csv_path}")
 
    # 創(chuàng)建數(shù)據(jù)集
    dataset = csv_reader(csv_path, batch_size=2)
 
    # 迭代數(shù)據(jù)批次
    for batch_num, (names, ages, occupations) in enumerate(dataset):
        print(f"\n批次 {batch_num + 1}:")
 
        # 將字節(jié)字符串解碼為普通字符串
        names_str = [name.decode('utf-8') for name in names.numpy()]
        occupations_str = [occ.decode('utf-8') for occ in occupations.numpy()]
 
        print("姓名：", names_str)
        print("年齡：", ages.numpy().tolist())
        print("職業(yè)：", occupations_str)

• 指定文件路徑并驗(yàn)證存在性：使用 os.path.exists 函數(shù)檢查 CSV 文件是否存在，若不存在則拋出 FileNotFoundError 異常。
• 創(chuàng)建數(shù)據(jù)集：調(diào)用 csv_reader 函數(shù)創(chuàng)建數(shù)據(jù)集。
• 迭代數(shù)據(jù)批次：遍歷數(shù)據(jù)集的每個(gè)批次，將字節(jié)字符串解碼為普通字符串，并打印每個(gè)批次的姓名、年齡和職業(yè)信息。

四、實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)成功讀取了指定的 CSV 文件，并將數(shù)據(jù)按批次處理和展示。每個(gè)批次包含兩條記錄，分別顯示了姓名、年齡和職業(yè)信息。若 CSV 文件中存在缺失值，將使用默認(rèn)值進(jìn)行填充。

五、實(shí)驗(yàn)總結(jié)與反思

優(yōu)點(diǎn)

• 使用 TensorFlow 的 tf.data 模塊：該模塊提供了高效的數(shù)據(jù)處理和迭代功能，能夠方便地處理大規(guī)模數(shù)據(jù)集。
• 數(shù)據(jù)解析和批處理：通過定義解析函數(shù)和使用 map、batch 方法，實(shí)現(xiàn)了數(shù)據(jù)的自動(dòng)解析和批量處理，提高了代碼的可讀性和可維護(hù)性。
• 文件路徑驗(yàn)證：在讀取文件前進(jìn)行路徑驗(yàn)證，避免了因文件不存在而導(dǎo)致的運(yùn)行時(shí)錯(cuò)誤。

不足與改進(jìn)方向

• 錯(cuò)誤處理：當(dāng)前代碼僅處理了文件不存在的情況，對(duì)于 CSV 文件格式錯(cuò)誤、數(shù)據(jù)類型不匹配等異常情況未進(jìn)行處理。可以添加更多的異常處理邏輯，提高代碼的健壯性。
• 代碼可擴(kuò)展性：代碼中硬編碼了 CSV 文件的列數(shù)和默認(rèn)值，若 CSV 文件的結(jié)構(gòu)發(fā)生變化，需要手動(dòng)修改代碼?？梢钥紤]將列信息和默認(rèn)值作為參數(shù)傳遞給 csv_reader 函數(shù)，提高代碼的可擴(kuò)展性。
• 性能優(yōu)化：對(duì)于大規(guī)模數(shù)據(jù)集，當(dāng)前的批處理方式可能會(huì)導(dǎo)致內(nèi)存占用過高。可以考慮使用 prefetch 方法進(jìn)行數(shù)據(jù)預(yù)取，提高數(shù)據(jù)處理的性能。

總體而言，本實(shí)驗(yàn)通過使用 TensorFlow 成功實(shí)現(xiàn)了 CSV 文件的讀取和批處理，為后續(xù)的數(shù)據(jù)處理和分析奠定了基礎(chǔ)。

以上就是python使用TensorFlow讀取和批處理CSV文件的詳細(xì)內(nèi)容，更多關(guān)于python TensorFlow讀取CSV的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論