数组、列表、张量、数据框、序列之间的转换总结

一、前言

在深度学习中，经常需要进行不同数据结构之间的转换。本文总结了常用的数据结构转换方法，包括：Dataframe、Series（pandas）、array（NumPy）、list、tensor（PyTorch）。

二、定义

2.1 Dataframe 和 Series

Dataframe 是一个二维表格数据结构，类似于电子表格或 SQL 表。Series 是 Dataframe 的一列或一行数据。

2.2 array

array 是 NumPy 中的数组结构，用于高效的数值计算。

2.3 tensor

tensor 是 PyTorch 深度学习框架中的数据结构，用于构建和训练神经网络模型。

三、互相转换

以下是一些常见的数据结构之间的转换示例：

四、详细总结

4.1 Dataframe 到 Series

<code>Series = Dataframe['column']</code>

4.2 Series 到 list

<code>list = Series.to_list()</code>

4.3 list 到 array

<code>array = np.array(list)</code>

4.4 array 到 torch.Tensor

<code>tensor = torch.from_numpy(array)</code>

4.5 torch.Tensor 到 array

<code>array = tensor.numpy() # 如果在 GPU 上，需要执行以下操作 array = tensor.cpu().numpy()</code>

4.6 torch.Tensor 到 list

<code>list = tensor.numpy().tolist()</code>

4.7 array 到 list

<code>list = array.tolist()</code>

4.8 list 到 torch.Tensor

<code>tensor = torch.Tensor(list)</code>

4.9 array 或 list 到 Series

<code>series = pd.Series({'a': array}) series2 = pd.Series({'a': list})</code>

之后可以根据需求进一步操作，例如将多个 Series 拼接成一个 Dataframe。

<code>df = pd.DataFrame({'aa': series, 'bb': series2})</code>

通过以上方法，可以方便地在不同数据结构之间进行转换，满足各种数据处理和深度学习任务的需求。