尝试将Python字典格式化为表时BatchDataset不可订阅

Question

我正在处理TensorFlow Load pandas.DataFrame tutorial，并试图修改创建字典片段的代码段的输出：

dict_slices = tf.data.Dataset.from_tensor_slices((df.to_dict('list'), target.values)).batch(16)

for dict_slice in dict_slices.take(1):
     print (dict_slice)

我发现下面的输出很松散，我想把它转换成一种更可读的表格格式

我试图基于this recommendation格式化for循环

这给了我BatchDataset不可订阅的错误

然后我尝试在dict_切片上使用range和leng函数，这样我就可以成为一个整数索引而不是切片

这给了我以下错误（据我所知，因为dict_切片仍然是一个数组，每次迭代都是数组的一个向量，而不是向量的一个索引）：

Answer 1

BatchDataset是一个tf.data.Dataset实例，它已通过调用其.batch(..)方法进行批处理。不能为tensorflow数据集“编制索引”，也不能对其调用len函数。我建议您像在第一个代码片段中那样对其进行迭代

然而，在数据集中，您使用的是.to_dict('list')，这意味着字典中的一个键作为值映射到一个列表。基本上，每个键都有“列”，而不是行，这就是您想要的吗？这将使逐行打印（如链接的表格打印示例所示）变得更加困难，因为一行中没有不同的功能。它也不同于官方Tensorflow代码中的示例，其中一个数据点由多个特征组成，而不是一个具有多个值的特征

结合Tensorflow代码和漂亮的打印：

columns = list(df.columns.values)+['target']
dict_slices = tf.data.Dataset.from_tensor_slices((df.values, target.values)).batch(1) # batch = 1 because otherwise you will get multiple dict_slice - target pairs in one iteration below!

print(*columns, sep='\t') 
for dict_slice, target in dict_slices.take(1):
     print(*dict_slice.numpy(), target.numpy(), sep='\t')

这需要一些格式，因为列宽不相等