如何将读取CSV得到的Pandas DataFrame转换为TensorFlow Dataset？

嘿，这事儿不难，我给你拆解成几个简单步骤，轻松搞定转换：

首先咱们先明确你的DataFrame结构：第一列是标签(label)，剩下的784列是手写数字的像素值。要转成TensorFlow Dataset，核心是把特征和标签分开，再用TF的API包装起来。

步骤1：分离特征与标签 #

先把DataFrame里的特征（所有pixel列）和标签拆分开，这样TensorFlow才能正确识别输入和目标：

import pandas as pd
import tensorflow as tf

# 你已经完成的读取步骤
train_data = pd.read_csv('mnist_test.csv')

# 分离特征（去掉label列）和标签（仅保留label列）
features = train_data.drop('label', axis=1)
labels = train_data['label']

步骤2：转换为TensorFlow Dataset #

用tf.data.Dataset.from_tensor_slices()方法直接把numpy数组（DataFrame.values会返回numpy数组）转换成Dataset，这个方法适合数据量不大（比如MNIST测试集）、能完全加载到内存的场景：

# 从特征和标签的numpy数组创建Dataset
mnist_dataset = tf.data.Dataset.from_tensor_slices((features.values, labels.values))

可选：添加预处理与批量操作 #

通常我们还会对数据做一些实用的预处理，比如把像素值归一化到0-1区间（因为MNIST像素值范围是0-255），同时设置批次大小方便后续模型使用：

# 归一化像素值 + 设置批次大小
mnist_dataset = mnist_dataset.map(lambda x, y: (x / 255.0, y))  # 将像素值缩放到0-1
mnist_dataset = mnist_dataset.batch(32)  # 每批次处理32个样本

验证转换结果 #

你可以用迭代器快速查看Dataset里的数据是否符合预期：

for batch_x, batch_y in mnist_dataset.take(1):
    print(f"批次特征形状: {batch_x.shape}")
    print(f"批次标签形状: {batch_y.shape}")

正常输出应该是批次特征形状: (32, 784)和批次标签形状: (32,)，完全匹配MNIST样本的特征维度（28x28=784）。

如果你的数据量特别大、没法一次性加载到内存，其实也可以直接用tf.data.experimental.make_csv_dataset()从CSV文件直接创建Dataset，但既然你已经读成DataFrame了，上面的方法就足够好用啦。

内容的提问来源于stack exchange，提问作者NTP