如何从带有向量列的 DataFrame 创建张量流数据集？

Posted 2023-02-23

【中文标题】如何从带有向量列的 DataFrame 创建张量流数据集？

【英文标题】：How to create a tensorflow dataset from a DataFrame with vector columns?

【发布时间】：2018-11-11 11:41:47

【问题描述】：

所以我在 csv 文件 train.csv 中有一些火车数据，格式如下：

x;y;type
[1,2,3];[2,3,4];A
[2,7,9];[0,1,2];B

该文件被解析为pd.DataFrame，内容如下：

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)

到目前为止一切顺利。应用了literal_eval 函数，因此x 和y 被视为数组。下一步是使用以下内容创建DataSet：

features, labels = train, train.pop('type')
dataset = tf.data.Dataset.from_tensor_slices((dict(features), labels))

这是它中断的地方:(它会溢出以下错误：

TypeError: Expected binary or unicode string, got [1, 2, 3]

为什么需要二进制或 unicode 字符串？是否不允许使用矢量特征列？还是我做错了什么？请给我一些启发

【参考方案1】：

TF 可以自动从数据帧中创建张量，只要它只有一种数据类型，在这种情况下，它似乎有不同的数据类型。

没有literal_eval，代码似乎可以工作，因为每个功能都是字符串而不是混合类型：

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))

输出：

('y': b'[2, 3, 4]', 'x': b'[1, 2, 3]', b'A')
('y': b'[0, 1, 2]', 'x': b'[2, 7, 9]', b'B')

基于此解决方案：（How to convert a Numpy 2D array with object dtype to a regular 2D array of floats）如果我们将混合对象类型转换为相同类型（使用 np.vstack），它可以工作。

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))

输出：

((array([1, 2, 3]), array([2, 3, 4])), b'A')
((array([2, 7, 9]), array([0, 1, 2])), b'B')

【讨论】：

谢谢！这行得通。事实证明，在我的情况下，需要一个 dict 所以还有几个步骤。将添加一个答案来标记这个。

【参考方案2】：

查看制作数据集的其他答案。如果遇到features should be a dictionary of `Tensor`s. 错误，请使用以下内容：

def dfToFeature(df):
    result = 
    for key in df.keys():
        result[key] = np.vstack(df[key])
    return result