Tensorflow 中数据转换，连接操作,numpy数据的垂直连接

1.将普通的数据转换为tensor (tf.constant)

import pandas as pd
import numpy as np
import tensorflow as tf

#定义一个DataFrame类型的数据
data = pd.DataFrame(np.random.uniform(low = 0,high = 10, size = (100,90)),header = None)

#将data的类型转换为tensor
tensor = tf.constant(data)

#输出tensor的类型,注意这里的dtype是64位的浮点数


#可以通过tf.cast将数据类型转换为32位的浮点型
tf.cast(tensor, dtype = tf.float32)

2.将两个tensor拼接起来(tf.concat)

batch_size = 64
col = 363

#先定义两个占位符
x = tf.placeholder(tf.float64, [batch_size, col], name = 'originalx')
y = tf.placeholder(tf.float64, [batch_size, col], name = 'originaly')

x_y_row = tf.concat([x,y],axis = 1)#1是横向拼接

#输出x_y_row的类型



x_y_col = tf.concat([x,y],axis = 0)#0是纵向拼接

#输出x_y_col的类型


"""这里的连接tf.concat和DataFrame类型的连接pd.concat用法相同"""

3.numpy中数据的连接可以用np.vstack()函数

import numpy as np

sample1 = np.random.random(5)
sample2 = np.random.random(5)

samples = np.vstack([sample1,sample2])
print(samples)
[[0.69818292 0.51125403 0.9225995  0.35931547 0.12174736]
 [0.15133575 0.12547028 0.93109742 0.11495043 0.60738572]]