代码实现数据集中训练样本数量显示

在数据集的准备阶段，如果你使用了Pandas DataFrame或者PyTorch的Dataset类来存储数据，你可以通过简单地访问DataFrame的长度或Dataset的`__len__`方法来获取训练样本的数量。这里是一个简单的例子：

import pandas as pd
from torch.utils.data import Dataset

# 假设你有一个Pandas DataFrame df
train_dataset = pd.DataFrame(df)

# 或者你有一个自定义的PyTorch Dataset类
class CustomDataset(Dataset):
    def __init__(self, data):
        self.data = data
        self.length = len(data)
        
custom_dataset = CustomDataset(data)

# 显示训练样本数量
print("训练样本数量:", len(train_dataset) or custom_dataset.length)

在这个例子中，无论你是用Pandas还是自定义的PyTorch Dataset，都可以直接计算出训练样本的数量。如果数据集非常大，可以直接取length可能会消耗较多内存，这时你可以选择只读取部分数据并计算长度。

相关问题

python 绘制数据集中训练集和测试集的样本数量分布饼状图

可以使用Python的数据可视化库matplotlib来绘制训练集和测试集样本数量的分布饼状图。下面是一个简单的示例代码：

import matplotlib.pyplot as plt

# 假设训练集和测试集的样本数量
train_samples = 800
test_samples = 200

# 饼状图的标签
labels = ['训练集', '测试集']

# 饼状图的数据
sizes = [train_samples, test_samples]

# 饼状图的颜色
colors = ['#ff9999','#66b3ff']

# 绘制饼状图
plt.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%', startangle=90)

# 设置图形的标题
plt.title('训练集和测试集样本数量分布')

# 显示图形
plt.axis('equal')
plt.show()

运行以上代码，将会生成一个显示训练集和测试集样本数量分布的饼状图。

python 分别绘制数据集中训练集和测试集的样本数量分布饼状图

好的，你想要分别绘制训练集和测试集的样本数量分布饼状图。我会为你提供一个示例代码，用于实现这个目标。

import matplotlib.pyplot as plt

# 假设训练集和测试集的样本数量
train_samples = 800
test_samples = 200

# 饼状图的标签
labels = ['训练集', '测试集']

# 饼状图的数据
sizes = [train_samples, test_samples]

# 饼状图的颜色
colors = ['#ff9999','#66b3ff']

# 绘制训练集饼状图
plt.subplot(1, 2, 1)
plt.pie([train_samples], labels=['训练集'], colors=['#ff9999'], autopct='%1.1f%%', startangle=90)
plt.title('训练集样本数量分布')

# 绘制测试集饼状图
plt.subplot(1, 2, 2)
plt.pie([test_samples], labels=['测试集'], colors=['#66b3ff'], autopct='%1.1f%%', startangle=90)
plt.title('测试集样本数量分布')

# 调整子图之间的间距
plt.subplots_adjust(wspace=0.5)

# 显示图形
plt.axis('equal')
plt.show()

运行以上代码，将会生成一个显示训练集和测试集样本数量分布的两个饼状图，分别在一个图形中的左右两侧。左侧显示训练集样本数量分布，右侧显示测试集样本数量分布。