import pandas as pd
import numpy
import matplotlib.pyplot as plt
%matplotlib inlinedf = pd.read_csv("E://Telugu Character Recogniton//CSV_dataset//CSV_datasetsix_vowel_dataset_with_class.csv")
df.head()
<style scoped>
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
</style>
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
| pixel0 | pixel1 | pixel2 | pixel3 | pixel4 | pixel5 | pixel6 | pixel7 | pixel8 | pixel9 | ... | pixel775 | pixel776 | pixel777 | pixel778 | pixel779 | pixel780 | pixel781 | pixel782 | pixel783 | class | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 255 | 255 | 254 | 255 | 255 | 255 | 252 | 255 | 255 | 255 | ... | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 1 |
| 1 | 255 | 255 | 254 | 255 | 255 | 254 | 255 | 255 | 255 | 255 | ... | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 1 |
| 2 | 255 | 254 | 255 | 255 | 255 | 255 | 254 | 255 | 254 | 255 | ... | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 1 |
| 3 | 254 | 255 | 255 | 255 | 254 | 255 | 255 | 255 | 254 | 255 | ... | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 1 |
| 4 | 254 | 255 | 255 | 253 | 255 | 255 | 255 | 254 | 255 | 255 | ... | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 1 |
5 rows × 785 columns
df.tail()
<style scoped>
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
</style>
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
| pixel0 | pixel1 | pixel2 | pixel3 | pixel4 | pixel5 | pixel6 | pixel7 | pixel8 | pixel9 | ... | pixel775 | pixel776 | pixel777 | pixel778 | pixel779 | pixel780 | pixel781 | pixel782 | pixel783 | class | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1195 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 254 | 255 | ... | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 6 |
| 1196 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | ... | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 6 |
| 1197 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | ... | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 6 |
| 1198 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 254 | 255 | ... | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 6 |
| 1199 | 254 | 255 | 255 | 255 | 252 | 254 | 255 | 254 | 254 | 254 | ... | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 255 | 6 |
5 rows × 785 columns
df.iloc[2]pixel0 255
pixel1 254
pixel2 255
pixel3 255
pixel4 255
pixel5 255
pixel6 254
pixel7 255
pixel8 254
pixel9 255
pixel10 255
pixel11 255
pixel12 255
pixel13 253
pixel14 255
pixel15 254
pixel16 254
pixel17 255
pixel18 254
pixel19 255
pixel20 254
pixel21 255
pixel22 255
pixel23 254
pixel24 255
pixel25 255
pixel26 255
pixel27 255
pixel28 255
pixel29 253
...
pixel755 255
pixel756 255
pixel757 255
pixel758 255
pixel759 255
pixel760 255
pixel761 255
pixel762 255
pixel763 255
pixel764 255
pixel765 255
pixel766 255
pixel767 255
pixel768 255
pixel769 255
pixel770 255
pixel771 255
pixel772 255
pixel773 255
pixel774 255
pixel775 255
pixel776 255
pixel777 255
pixel778 255
pixel779 255
pixel780 255
pixel781 255
pixel782 255
pixel783 255
class 1
Name: 2, Length: 785, dtype: int64
pix=[]
for i in range(784):
pix.append('pixel'+str(i))
features=pix
X = df.loc[:, features].values
y=df.loc[:,'class'].values
X[0]array([255, 255, 254, 255, 255, 255, 252, 255, 255, 255, 254, 255, 253,
255, 255, 254, 253, 255, 255, 253, 255, 255, 255, 253, 255, 255,
255, 255, 254, 255, 255, 254, 255, 255, 255, 254, 255, 255, 255,
253, 255, 254, 254, 255, 255, 252, 255, 254, 254, 255, 253, 255,
255, 255, 255, 255, 255, 255, 255, 255, 253, 253, 255, 254, 253,
255, 252, 253, 255, 255, 253, 255, 255, 255, 255, 255, 255, 254,
255, 250, 255, 255, 255, 255, 255, 253, 253, 255, 255, 255, 255,
255, 255, 255, 255, 255, 252, 254, 252, 255, 255, 255, 254, 253,
255, 253, 253, 255, 255, 255, 255, 255, 254, 255, 255, 252, 254,
168, 1, 0, 0, 255, 255, 255, 255, 253, 255, 255, 255, 255,
255, 254, 253, 255, 255, 253, 255, 255, 255, 255, 255, 251, 254,
255, 114, 6, 255, 254, 4, 250, 255, 254, 255, 255, 251, 117,
119, 251, 254, 255, 255, 253, 255, 254, 255, 255, 255, 255, 253,
255, 255, 250, 1, 255, 250, 255, 255, 161, 255, 254, 252, 254,
5, 39, 171, 1, 0, 255, 255, 255, 255, 255, 255, 255, 255,
255, 255, 253, 255, 255, 1, 254, 255, 254, 254, 164, 253, 255,
255, 254, 0, 253, 254, 255, 244, 0, 255, 255, 255, 255, 255,
255, 255, 255, 255, 255, 254, 255, 201, 255, 254, 255, 95, 252,
255, 255, 254, 3, 255, 254, 255, 254, 255, 1, 251, 255, 254,
255, 255, 255, 255, 255, 255, 255, 254, 197, 253, 253, 255, 255,
0, 253, 253, 253, 255, 0, 255, 255, 253, 255, 255, 196, 255,
253, 255, 255, 255, 255, 255, 255, 255, 250, 255, 126, 255, 2,
2, 0, 38, 255, 253, 255, 255, 0, 255, 255, 253, 255, 254,
253, 255, 255, 252, 255, 255, 255, 255, 255, 254, 255, 254, 125,
254, 254, 255, 255, 254, 254, 255, 253, 252, 2, 255, 253, 255,
254, 254, 255, 252, 255, 255, 255, 255, 255, 255, 255, 255, 253,
255, 126, 255, 251, 251, 254, 255, 253, 255, 255, 255, 215, 4,
253, 255, 255, 255, 85, 253, 252, 254, 255, 255, 255, 255, 255,
255, 255, 255, 254, 163, 255, 255, 255, 255, 0, 0, 0, 4,
0, 0, 3, 250, 255, 255, 0, 255, 255, 255, 253, 255, 255,
255, 255, 255, 255, 249, 255, 1, 251, 255, 253, 254, 254, 255,
255, 251, 255, 255, 255, 255, 255, 255, 1, 254, 255, 251, 255,
255, 255, 255, 255, 253, 255, 255, 254, 9, 254, 255, 254, 255,
255, 255, 254, 255, 254, 254, 255, 253, 255, 237, 85, 255, 253,
255, 254, 255, 255, 255, 255, 255, 255, 252, 255, 254, 2, 253,
255, 253, 255, 253, 255, 255, 253, 255, 255, 255, 255, 0, 253,
255, 255, 255, 253, 255, 255, 255, 255, 253, 253, 255, 255, 253,
178, 0, 255, 255, 252, 255, 253, 252, 255, 253, 253, 255, 2,
255, 255, 255, 252, 255, 255, 255, 255, 255, 255, 255, 255, 252,
253, 255, 253, 14, 1, 0, 252, 255, 255, 255, 255, 254, 255,
0, 132, 251, 254, 254, 255, 252, 255, 255, 255, 255, 255, 255,
253, 255, 255, 255, 255, 254, 252, 254, 10, 1, 0, 0, 0,
0, 5, 255, 255, 255, 255, 254, 253, 255, 253, 255, 255, 255,
255, 254, 255, 251, 255, 255, 255, 252, 255, 255, 253, 255, 255,
255, 255, 254, 254, 255, 253, 251, 255, 253, 255, 255, 253, 255,
255, 255, 255, 254, 255, 255, 255, 255, 253, 255, 253, 252, 255,
255, 255, 254, 254, 255, 254, 253, 255, 255, 252, 255, 255, 253,
255, 255, 255, 255, 255, 254, 255, 255, 255, 255, 255, 252, 255,
255, 252, 255, 253, 255, 253, 255, 255, 255, 255, 255, 255, 254,
254, 253, 255, 255, 255, 255, 255, 255, 255, 255, 253, 253, 255,
255, 255, 251, 255, 255, 254, 255, 255, 254, 255, 254, 255, 252,
255, 254, 255, 255, 253, 255, 255, 255, 255, 255, 255, 255, 255,
255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255,
255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255,
255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255,
255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255,
255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255,
255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255,
255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255,
255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255,
255, 255, 255, 255], dtype=int64)
imarray = numpy.asfarray(X[11]).reshape((28,28))imarrayarray([[255., 252., 255., 255., 255., 252., 255., 255., 255., 255., 252.,
255., 253., 255., 254., 255., 255., 252., 255., 254., 255., 255.,
255., 254., 255., 255., 255., 255.],
[255., 255., 252., 255., 255., 252., 255., 252., 255., 255., 255.,
252., 255., 255., 254., 255., 255., 255., 255., 253., 254., 253.,
255., 255., 255., 255., 255., 255.],
[255., 254., 255., 254., 255., 255., 253., 255., 255., 252., 255.,
255., 253., 255., 255., 255., 255., 250., 255., 255., 255., 255.,
255., 250., 255., 255., 255., 255.],
[254., 253., 255., 255., 255., 253., 255., 253., 255., 254., 255.,
255., 254., 253., 255., 253., 253., 255., 255., 253., 255., 253.,
254., 255., 255., 255., 255., 255.],
[254., 255., 255., 254., 253., 255., 255., 254., 74., 31., 26.,
26., 255., 255., 254., 255., 255., 255., 255., 255., 255., 251.,
255., 253., 255., 255., 255., 255.],
[255., 253., 255., 255., 255., 252., 252., 9., 8., 253., 255.,
255., 0., 255., 253., 254., 255., 252., 255., 253., 255., 255.,
255., 255., 255., 255., 255., 255.],
[255., 254., 254., 254., 254., 255., 250., 2., 255., 255., 250.,
255., 255., 0., 255., 253., 255., 255., 254., 255., 254., 255.,
253., 253., 255., 255., 255., 255.],
[254., 255., 254., 255., 255., 253., 16., 252., 255., 255., 255.,
255., 251., 0., 255., 254., 255., 255., 254., 253., 172., 175.,
253., 255., 255., 255., 255., 255.],
[255., 253., 255., 254., 255., 253., 4., 254., 255., 253., 255.,
255., 255., 1., 255., 254., 255., 253., 255., 0., 122., 96.,
0., 101., 255., 253., 255., 253.],
[255., 255., 255., 252., 255., 255., 0., 255., 253., 255., 255.,
155., 2., 1., 253., 255., 253., 255., 37., 254., 251., 253.,
255., 3., 255., 255., 252., 255.],
[255., 252., 255., 255., 255., 255., 0., 255., 93., 0., 1.,
104., 255., 255., 255., 255., 255., 255., 0., 255., 253., 255.,
252., 253., 0., 255., 252., 255.],
[253., 255., 253., 255., 254., 254., 3., 0., 197., 252., 255.,
255., 255., 250., 255., 253., 255., 253., 0., 253., 255., 255.,
254., 255., 3., 252., 255., 255.],
[255., 255., 255., 251., 64., 0., 147., 253., 255., 255., 251.,
255., 253., 255., 255., 255., 253., 255., 0., 253., 254., 253.,
252., 255., 1., 255., 254., 254.],
[251., 253., 255., 255., 254., 255., 144., 254., 253., 255., 255.,
255., 255., 252., 254., 252., 255., 253., 0., 255., 255., 253.,
255., 255., 1., 254., 255., 254.],
[255., 255., 254., 255., 255., 251., 0., 255., 255., 255., 255.,
255., 254., 255., 253., 255., 254., 255., 255., 0., 252., 255.,
253., 255., 3., 253., 255., 255.],
[255., 253., 255., 254., 254., 255., 2., 252., 255., 255., 252.,
255., 255., 252., 253., 254., 67., 0., 0., 0., 22., 255.,
255., 252., 122., 255., 255., 253.],
[254., 255., 255., 254., 255., 254., 255., 65., 255., 101., 0.,
5., 0., 0., 0., 23., 168., 251., 255., 252., 255., 255.,
255., 61., 255., 255., 255., 255.],
[255., 252., 255., 252., 253., 255., 253., 0., 253., 255., 255.,
252., 251., 255., 255., 255., 252., 255., 254., 254., 255., 255.,
249., 2., 255., 255., 255., 255.],
[255., 254., 255., 255., 255., 255., 255., 253., 2., 253., 255.,
255., 255., 253., 255., 253., 255., 255., 254., 255., 255., 254.,
255., 36., 255., 255., 255., 255.],
[252., 255., 254., 253., 255., 255., 254., 254., 212., 0., 255.,
255., 254., 255., 253., 255., 254., 255., 254., 255., 255., 253.,
12., 254., 255., 255., 255., 255.],
[255., 250., 255., 254., 255., 253., 255., 255., 255., 57., 0.,
254., 255., 255., 252., 255., 255., 254., 255., 253., 252., 254.,
5., 255., 255., 255., 255., 255.],
[255., 255., 255., 255., 251., 254., 254., 255., 254., 254., 255.,
0., 10., 255., 255., 254., 255., 250., 252., 255., 17., 2.,
253., 254., 255., 255., 255., 255.],
[255., 250., 255., 255., 255., 255., 255., 253., 255., 254., 253.,
255., 221., 4., 3., 0., 0., 3., 8., 1., 129., 254.,
254., 255., 255., 255., 255., 255.],
[255., 255., 253., 254., 255., 251., 255., 255., 254., 255., 255.,
255., 255., 253., 255., 255., 255., 255., 253., 254., 255., 255.,
255., 255., 255., 255., 255., 255.],
[255., 255., 255., 255., 255., 255., 255., 255., 255., 255., 255.,
255., 255., 255., 255., 255., 255., 255., 255., 255., 255., 255.,
255., 255., 255., 255., 255., 255.],
[255., 255., 255., 255., 255., 255., 255., 255., 255., 255., 255.,
255., 255., 255., 255., 255., 255., 255., 255., 255., 255., 255.,
255., 255., 255., 255., 255., 255.],
[255., 255., 255., 255., 255., 255., 255., 255., 255., 255., 255.,
255., 255., 255., 255., 255., 255., 255., 255., 255., 255., 255.,
255., 255., 255., 255., 255., 255.],
[255., 255., 255., 255., 255., 255., 255., 255., 255., 255., 255.,
255., 255., 255., 255., 255., 255., 255., 255., 255., 255., 255.,
255., 255., 255., 255., 255., 255.]])
print('After Converting values ie.., [0-255] in between [0-1] : ')
imarray=255-imarray
plt.imshow(imarray,cmap=plt.cm.binary);
# print(imarray)After Converting values ie.., [0-255] in between [0-1] :
# nimg = tf.keras.utils.normalize(imarray,axis=0)
nimg=imarray/255.0
print('After Converting values ie.., [0-255] in between [0-1] : ')
plt.imshow(nimg,cmap=plt.cm.binary);After Converting values ie.., [0-255] in between [0-1] :
def row2img(pos):
return numpy.asfarray(X[pos]).reshape((28,28))
f, (ax1, ax2, ax3) = plt.subplots(1, 3, sharey=True)
f.suptitle("Images with respective Classes(1-3)")
ax1.set_title('Class: 1')
ax1.imshow(255-row2img(26),cmap=plt.cm.binary);
ax2.set_title('Class: 2')
ax2.imshow(255-row2img(222),cmap=plt.cm.binary);
ax3.set_title('Class: 3')
ax3.imshow(255-row2img(444),cmap=plt.cm.binary);
f, (ax1, ax2, ax3) = plt.subplots(1, 3, sharey=True)
f.suptitle("Images with respective Classes(4-6)")
ax1.set_title('Class: 4')
ax1.imshow(255-row2img(666),cmap=plt.cm.binary);
ax2.set_title('Class: 5')
ax2.imshow(255-row2img(999),cmap=plt.cm.binary);
ax3.set_title('Class: 6')
ax3.imshow(255-row2img(1111),cmap=plt.cm.binary);