[英]Transform Pandas DataFrame to LIBFM format txt file
我想将python中的Pandas Data帧转换为LIBFM格式的稀疏矩阵txt文件。
这里的格式需要如下所示:
4 0:1.5 3:-7.9
2 1:1e-5 3:2
-1 6:1
该文件包含三种情况。 第一列说明了三种情况中每种情况的目标:即第一种情况为4,第二种情况为2,第三种情况为-1。 在目标之后,每行包含x的非零元素,其中0:1.5的条目读取x0 = 1.5和3:-7.9表示x3 = -7.9等。这意味着INDEX的左侧:VALUE表示x中的索引,而右边则表示x的值。
总的来说,该示例中的数据描述了以下设计矩阵X和目标矢量y:
1.5 0.0 0.0 −7.9 0.0 0.0 0.0
X: 0.0 10−5 0.0 2.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 1.0
4
Y: 2
−1
第2章的手册文件中也对此进行了解释。
现在这是我的问题:我有一个像这样的pandas数据框:
overall reviewerID asin brand Positive Negative \
0 5.0 A2XVJBSRI3SWDI 0000031887 Boutique Cutie 3.0 -1
1 4.0 A2G0LNLN79Q6HR 0000031887 Boutique Cutie 5.0 -2
2 2.0 A2R3K1KX09QBYP 0000031887 Boutique Cutie 3.0 -2
3 1.0 A19PBP93OF896 0000031887 Boutique Cutie 2.0 -3
4 4.0 A1P0IHU93EF9ZK 0000031887 Boutique Cutie 2.0 -2
LDA_0 LDA_1 ... LDA_98 LDA_99
0 0.000833 0.000833 ... 0.000833 0.000833
1 0.000769 0.000769 ... 0.000769 0.000769
2 0.000417 0.000417 ... 0.000417 0.000417
3 0.000137 0.014101 ... 0.013836 0.000137
4 0.000625 0.000625 ... 0.063125 0.000625
其中“整体”是目标列,其他所有105列都是特征。
需要将'ReviewerId','Asin'和'Brand'列更改为虚拟变量。 因此,每个独特的“ReviewerID”,“Asin”和品牌都有自己的专栏。 这意味着如果'ReviewerID'有100个唯一值,则获得100列,如果该行代表特定的Reviewer,则值为1,否则为零。
所有其他列不需要重新格式化。 因此,这些列的索引可以只是列号。
所以上面的pandas数据框中的前3行需要转换为以下输出:
5 0:1 5:1 6:1 7:3 8:-1 9:0.000833 10:0.000833 ... 107:0.000833 108:0.00833
4 1:1 5:1 6:1 7:5 8:-2 9:0.000769 10:0.000769 ... 107:0.000769 108:0.00769
2 2:1 5:1 6:1 7:3 8:-2 9:0.000417 10:0.000417 ... 107:0.000417 108:0.000417
在LIBFM]包中有一个程序可以将User-Item-Rating转换为LIBFM输出格式。 但是这个程序无法与这么多列相提并论。
是否有捷径可寻? 我总共有100万行。
LibFM可执行文件需要您在此处说明的libSVM格式的输入。 如果LibFM包中的文件转换器不适用于您的数据,请尝试使用scikit learn sklearn.datasets.dump_svmlight_file方法。
参考: http : //scikit-learn.org/stable/modules/generated/sklearn.datasets.dump_svmlight_file.html
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.