本章节主要讲述如何利用python和pytorch来读取csv文件；

主要重点在于以下几个：

1.如何读取csv文件；

2.关于切片问题；

3.如何从单值target来构建one-hot target；

4.关于高级索引的问题；

5.各种均值和方差函数的使用；

一、CSV文件读取：

关于csv文件读取，可以直接采用numpy或者python中的csv文件包进行读取；

 值得注意的是loadtxt函数中的四个参数：

1.指定文件路径；

2.指定文件读取的值类型；

3.指定数据分隔符（也就是每一行每一项的分隔符）；

4.指定从第几行开始读取；

二、关于切片问题：

切片问题还是老生常谈，对于本例子中给出的数据，最后一列是标签，所以必须要对data和target进行分开提取；

 其中使用.long()函数来进行转换，把标签从浮点转化为整形数据；

三、one-hot标签的问题：

对于不少集合中，多以连续数值标签作为类别，例如0-9代表不同的十类，但是对于类别标签，也往往需要转换为one-hot编码；

 对于target，是tensor(4898,1)形式的张量，由于是十类，所以one-hot标签应该为(4898,10)形式；

而后使用scatter_在target_onehot上直接进行更改；

其中值得注意的是其三个参数：

1.指出修改的是哪一个维度（由于本例子是二维数组，修改的是列，所以应该是1而非0）；

2.注意一下unsqueeze()函数；

unsqueeze函数：

旨在进行维度扩充，如下所示：

 相当于新增维度，直接总1维向量变为2维向量，尽管二维中只有一个元素；

3.指出填充的数字，one-hot直接填充1即可；

所以总而言之，是scatter_目的就是在某一维度，根据对应维度的索引，填入对应的值；

当时有疑惑为什么要用unsqueeze来填充维度，本质是因为one-hot是填充列元素，也是第二维，所以需要坐标指示，而利用unsqueeze可以直接选取第二维中的值作为填充的索引，直接填入即可；

所以，要填充几维，就要扩充到几维，对应的维度内的值即为填充索引；

四、高级索引问题：

 从来没见过的操作；

torch.le返回一个bool列表，对target内指定的值进行判断，符合为true，不符合为false；

高级索引可以直接根据想同维度的bool值来进行选取，如果是true选取对应维度数据，false则跳过，这也是自己没见过的骚操作；

五、各种方差均值函数的运用：

主要采用torch.mean()或者torch.var()来进行，注意使用dim的时候：

dim=0，按照列求均值；

dim=1，按照行求均值；

返回的维度和行或者列维度相同；

Pytorch基础-表格数据问题

原文：https://www.cnblogs.com/songlinxuan/p/14144490.html