import math import numpy as np from matplotlib import pyplot as plt from 人工智能导引和程序设计课程资料.人工智能导引和程序设计课程资料.code.mnist import load_mnist def get_data(): (x_train, t_train), (x_test, t_test) = load_mnist(normalize=True, flatten=True, one_hot_label=False) return x_train,t_train,x_test, t_test x_train,t_train,x_test, t_test = get_data() ''' 1. 输出训练数据x_train的个数,测试数据的个数,数据的维数,以及输出类别数。 ''' print(len(x_train)) print(len(x_test)) print(x_test.shape[0]) print(x_test.shape[1]) redic1={} for i in t_test: redic1[i]=redic1.get(i,0)+1 print(len(redic1)) ''' 2.将前面三个训练样本x_train[0],x_train[1],x_train[2]转换为图像(大小为28*28),并显示为灰度图像。 ''' for i in range(3): img = x_train[i] img= img.reshape(28, 28) plt.imshow(img,cmap="gray") plt.show()
时间: 2023-12-24 22:43:33 浏览: 35
这段代码实现了以下几个功能:
1. 加载 MNIST 数据集,并输出训练数据和测试数据的个数,数据的维数以及输出类别数;
2. 将前三个训练样本转换成 28x28 的图像,并以灰度图像的形式显示出来。
具体的解释可以参考代码注释。不过需要注意的是,代码中的数据集加载是依赖于 `人工智能导引和程序设计课程资料` 这个包的,如果您要运行该代码,请确保已经正确安装了该包并且将数据集文件放在了正确的位置。
相关问题
import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from sklearn import tree
以下是使用import语句导入pandas、numpy、matplotlib.pyplot、seaborn和sklearn.tree的示例代码:
```python
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn import tree
```
- pandas是一个数据处理库,用于读取、处理和分析数据。
- numpy是一个数学库,用于处理数组和矩阵等数学运算。
- matplotlib.pyplot是一个绘图库,用于绘制各种类型的图表。
- seaborn是一个基于matplotlib的数据可视化库,提供了更高级别的界面和更多的图表类型。
- sklearn.tree是scikit-learn库中的一个模块,用于实现决策树算法。
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d
import numpy是一个用于科学计算的Python库,它提供了大量用于数组操作和数学计算的函数和工具。使用import numpy as np将numpy库导入为np别名,以便在代码中更方便地使用numpy的函数和工具。
而import matplotlib.pyplot as plt是导入matplotlib库的一种常用方式,matplotlib是一个用于绘制图表和数据可视化的库,import语句将matplotlib.pyplot模块导入为plt别名,以便在代码中更方便地使用matplotlib库的绘图函数和工具。
最后,from mpl_toolkits.mplot3d导入模块同样是用于matplotlib库的一种常见操作,它用于导入mpl_toolkits.mplot3d模块,这是一个用于绘制三维图表和可视化三维数据的工具模块。
综合起来,这些import语句在Python代码中的作用是将numpy和matplotlib库以及其相关的模块导入到代码中,以便使用它们提供的各种函数和工具进行数组操作、数学计算和绘制图表等操作。这样可以极大地方便数据科学家、工程师和研究人员们对数据的处理和可视化工作。
相关推荐
![py](https://img-home.csdnimg.cn/images/20210720083646.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)