Así que tengo algunos datos de tren en un archivo csv train.csv
con el siguiente formato:
x;y;type [1,2,3];[2,3,4];A [2,7,9];[0,1,2];B
Este archivo se analiza como un pd.DataFrame
con lo siguiente:
CSV_COLUMN_NAMES = ['x', 'y', 'type'] train = pd.read_csv("train.csv", names=CSV_COLUMN_NAMES, header=0, delimiter=";") train['x'] = train['x'].apply(literal_eval) train['y'] = train['y'].apply(literal_eval)
Hasta ahora tan bueno. La función literal_eval
se aplica para que x
e y
se traten como una matriz. El siguiente paso es crear un DataSet
con lo siguiente:
features, labels = train, train.pop('type') dataset = tf.data.Dataset.from_tensor_slices((dict(features), labels))
Y aquí es donde se rompe 🙁 Se dertwig los siguientes errores:
TypeError: Expected binary or unicode string, got [1, 2, 3]
¿Por qué se espera una cadena binaria o Unicode? ¿No están permitidas las columnas de características vectoriales? ¿O estoy haciendo algo mal? Por favor, dame un poco de luz
TF puede crear automáticamente un tensor a partir de un dataframe siempre que tenga un solo tipo de datos, en este caso parece tener diferentes tipos de datos.
Sin literal_eval
el código parece funcionar, ya que cada una de las características es una cadena y no de tipo mixto:
train = pd.read_csv("train.csv", names=CSV_COLUMN_NAMES, header=0, delimiter=",") Features,labels = train,train.pop('type') dataset = tf.data.Dataset.from_tensor_slices((dict(Features), labels)) iterator = dataset.make_initializable_iterator() next_element = iterator.get_next() with tf.Session() as sess: sess.run(iterator.initializer) print(sess.run(next_element)) print(sess.run(next_element))
Salida:
({'y': b'[2, 3, 4]', 'x': b'[1, 2, 3]'}, b'A') ({'y': b'[0, 1, 2]', 'x': b'[2, 7, 9]'}, b'B')
Basado en esta solución: ( Cómo convertir una matriz Numpy 2D con tipo de objeto a una matriz 2D regular de flotantes ) si convertimos el tipo de objeto mixto al mismo (con np.vstack), funciona.
train['x'] = train['x'].apply(literal_eval) train['y'] = train['y'].apply(literal_eval) Features,labels = train,train.pop('type') dataset = tf.data.Dataset.from_tensor_slices(((np.vstack(Features['x']), np.vstack(Features['y'])), labels)) iterator = dataset.make_initializable_iterator() next_element = iterator.get_next() with tf.Session() as sess: sess.run(iterator.initializer) print(sess.run(next_element)) print(sess.run(next_element))
Salida:
((array([1, 2, 3]), array([2, 3, 4])), b'A') ((array([2, 7, 9]), array([0, 1, 2])), b'B')
Vea la otra respuesta para hacer un conjunto de datos. Si las features should be a dictionary of `Tensor`s.
se encuentra un error usa lo siguiente:
def dfToFeature(df): result = {} for key in df.keys(): result[key] = np.vstack(df[key]) return result