Python PyTorch DataFrameMaker用法及代码示例

本文简要介绍python语言中 torchdata.datapipes.iter.DataFrameMaker 的用法。

用法:

class torchdata.datapipes.iter.DataFrameMaker(source_dp: IterDataPipe[torchdata.datapipes.iter.util.dataframemaker.T_co], dataframe_size: int = 1000, dtype=None, columns: Optional[List[str]] = None, device: str = '')

参数：

• source_dp-IterDataPipe 包含数据行

• dataframe_size-每个 DataFrame 中的数据行数，可以选择页面大小

• dtype-为 DataFrame 指定 TorchArrow dtype，使用 torcharrow.dtypes.DType

• columns-指定 DataFrame 的列名称的 str 列表

• device-指定将存储DataFrame的设备

获取多行数据，将其中的一些数据批处理在一起并创建 TorchArrow DataFrames (函数名称： dataframe )。

注意

DataFrame 中包含大量行和内存使用之间存在权衡。请仔细选择一个值。

示例

>>> from torchdata.datapipes.iter import IterableWrapper
>>> import torcharrow.dtypes as dt
>>> source_data = [(i,) for i in range(3)]
>>> source_dp = IterableWrapper(source_data)
>>> DTYPE = dt.Struct([dt.Field("Values", dt.int32)])
>>> df_dp = source_dp.dataframe(dtype=DTYPE)
>>> list(df_dp)[0]
  index    Values
-------  --------
      0         0
      1         1
      2         2
dtype: Struct([Field('Values', int32)]), count: 3, null_count: 0