怎么用pytorch框架读取表格数据并区分数据和标签制成数据集

可以使用 Pandas 库读取表格数据，然后使用 PyTorch 库将数据和标签制成数据集。

以下是一个示例代码：

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

# 读取表格数据
data = pd.read_csv('data.csv')

# 将数据和标签分开
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

# 定义数据集类
class CustomDataset(Dataset):
    def __init__(self, X, y):
        self.X = torch.tensor(X, dtype=torch.float32)
        self.y = torch.tensor(y, dtype=torch.float32)
        
    def __len__(self):
        return len(self.X)
    
    def __getitem__(self, idx):
        return self.X[idx], self.y[idx]

# 制作数据集
dataset = CustomDataset(X, y)

# 使用 DataLoader 加载数据集
dataloader = DataLoader(dataset, batch_size=32, shuffle=True)

在这个示例中，我们首先使用 Pandas 库读取表格数据，然后将数据和标签分开。接着我们定义了一个自定义数据集类 CustomDataset，其中实现了 __init__、__len__ 和 __getitem__ 三个方法，分别用于初始化数据集、获取数据集长度和获取数据集中的数据和标签。最后，我们使用 DataLoader 类来加载数据集，并指定了 batch_size 和 shuffle 参数。