本文介绍了PyTorch数据基础，Python版本3.9.0，代码于Jupyter Lab中运行，以尽可能简单的文字阐述相关内容。
1. 数据操作 1.1 入门首先，我们先导入torch，在python中PyTorch被称作torch。
import torch张量表示一个由数值（元素）组成的数组，其可能具有多个维度，即可在多个坐标轴上表示。
一维张量：向量（vector）二维张量：矩阵（matrix）我们调用arange函数创建一个行向量x，其包含从0开始前20个整数，默认为整数，也可被指定为浮点数。
x = torch.arange(20)调用python内置函数type可得知，创建的x为torch中的Tensor（张量）对象。
type(x)# <class 'torch.Tensor'>我们调用reshape函数可以改变一个张量的形状且不改变元素数量、元素值，下面我们对x向量作变换，得到4*5矩阵y。
y = x.reshape(4, 5)z = x.reshape(5, 6) # 当我们试图变换超过其总元素大小时，程序会抛出异常当矩阵元素数量足够多时，我们不需要手动指定每个维度改变形状，可以使用-1来表示其中一个维度，如下所示。
z = x.reshape(5,-1)y1 = x.reshape(4,-1)我们通过shape属性访问张量的形状，通过numel获知其元素总量（大小），如下所示，我们分别对x和y做如上操作。
x.shape # 表示x矩阵的形状x.numel() # 表示x矩阵的元素总量y.shape # 表示x矩阵的形状y.numel() # 表示x矩阵的元素总量通过zeros和ones函数创建任意形状的全0、全1元素矩阵。
torch.zeros(2, 3)torch.ones(3, 4)有时我们想从某个特定的概率分布中随机采样得到每个元素的值，通过randn函数创建一个每个元素都从均值为0、方差为1的标准高斯分布（正态分布）中随机采样的矩阵。
torch.randn(3, 4) 1.2 运算符下面介绍张量如何逐元素运算。
x = torch.tensor([1.0, 2, 4, 8])y = torch.tensor([2, 2, 2, 2])# 加、减、乘、除、求幂x + y, x - y, x * y, x / y, x ** y# 逐元素自然指数运算torch.exp(x)# tensor([2.7183e+00, 7.3891e+00, 5.4598e+01, 2.9810e+03])下面介绍如何将多个张量连接在一起，首先创建两个矩阵
X = torch.arange(12, dtype=torch.float32).reshape((3,4))Y = torch.tensor([[2, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]])分别对矩阵做纵向、横向拼接。
# 纵向拼接torch.cat((X, Y), dim=0)# 横向拼接torch.cat((X, Y), dim=1)我们可以通过==对两矩阵逐元素进行比较，可以得到各元素均为布尔型的矩阵。
X == Y对张量中所有元素求和，会产生一个单元素张量。
X.sum() 1.3 广播机制广播机制的工作方式如下：
通过适当复制元素来扩展一个或两个数组，使其转换后具有相同的形状对生成的数组执行按元素操作多数情况下，我们沿着数组中长度为1的轴进行广播。
a = torch.arange(3).reshape((3,1))b = torch.arange(2).reshape((1,2))其形状不匹配，我们可以将其广播为一个更大的3×2的矩阵。
a + b 1.4 索引和切片我们可以使用[-1]选择最后一个元素，可以用[1:3]选择第二个和第三个元素：
X[-1], X[1:3]我们还可以通过索引的方式将单个元素写入矩阵：
X[1,2] = 9X我们还可以通过这种方式为多个元素赋予相同的值，只需索引所有元素，如：
X[0:2, :] = 12 # 本例代表访问第1行和第2行，其中":"代表沿轴（列）的所有元素X以上方法均适用于超过2个轴的其他类型的张量。
1.5 节省内存当我们执行Y = Y + X操作后，Python会首先计算Y + X，为结果分配新的内存，然后使Y指向内存中的这个新位置。
这是不可取的：
机器学习中，可能有数百兆参数，我们希望原地执行这些更新。若不原地更新，其他引用可能仍会指向旧的位置，可能会无形中引用旧的参数。执行原地操作的方法很简单，可以使用切片操作执行。如Y[:]=<expression>
我们可以先创建一个新的矩阵Z，其为全零矩阵，与先前X的形状相同，然后比较其ID：
print('id(Z):', id(Z))# id(Z): 2502249091776Z[:] = X + Xprint('id(Z):', id(Z))# id(Z): 2502249091776 1.6 转化为其他Python对象将张量在torch框架与numpy框架间转换很容易，它们将共享底层内存，就地操作一个也会改变另一个张量。
A = X.numpy()B = torch.tensor(A)type(A), type(B)# (<class 'numpy.ndarray'>, <class 'torch.Tensor'>)将大小为1的张量转化为Python标量，有多种方法：
a = torch.tensor([3.5])a, a.item(), float(a), int(a)# (tensor([3.5000]), 3.5, 3.5, 3) 2. 数据预处理 2.1 读取数据集我们先创建一个数据集，并按行写入CSV文件中：
import osos.makedirs(os.path.join('..', 'data'), exist_ok = True)data_file = os.path.join('..', 'data', 'house_tiny.csv')with open(data_file, 'w') as f:f.write('NumRooms, Alley, Price\n') # 列名f.write('NA, Pave, 127500\n') # 每行表示一个数据样本f.write('2, NA, 106000\n')f.write('4, NA, 178100\n')f.write('NA, NA, 140000\n')随后导入pandas包，并调用read_csv函数
import pandas as pddata = pd.read_csv(data_file)print(data) 2.2 处理缺失值NaN代表缺失值，处理的典型方法包括插值法和删除法，插值法即用替代值弥补，删除法则忽视缺失值。
本例中，我们采用插值法。
通过位置索引函数iloc将数据分成inputs和outputs，其中inputs为data前两列，outputs为最后一列。
fillna函数可以使用传入参数值代替NaN缺失值，而mean函数可以求得其对应的平均值。
inputs, outputs = data.iloc[:, 0:2], data.iloc[:, 2]inputs = inputs.fillna(inputs.mean())print(inputs)iloc函数，属于pandas库，全称为index location，即对数据进行位置索引，从而在数据表中提取出相应的数据。
对于inputs中的类别值或离散值，NaN可视作一个类别，而NA被视为字符串。由于Alley列有NA、Pave和NaN三个类别，Pandas可自动将其分为三列Alley_NA、Alley_Pave和Alley_nan。值激活为1，不激活为0。
inputs = pd.get_dummies(inputs, dummy_na=True)print(inputs)pd.get_dummies相当于onehot编码，常用与把离散的类别信息转化为onehot编码形式。
2.3 转换为张量格式通过调用type函数，我们发现pandas及分割后的数据均为<class 'pandas.core.frame.DataFrame'>类型。
我们可调用tneser函数将上述类型的数据转化为PyTorch张量（即<class torch.Tensor>类型）。
import torchX, y = torch.tensor(inputs.values), torch.tensor(outputs.values)X, y
