- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我需要创建稀疏向量,我想使用 python
来尝试它。我已经拥有创建向量所需的所有数据,因此我的任务基本上是重新格式化/重新排列我拥有的信息。
我的输入文件是一个 5GB 文件,包含 3 个制表符分隔的列,例如:
abandonment-n about+n-the+v-know-v 1
abandonment-n above+ns-j+vn-pass-continue-v 1
abandonment-n after+n-the+n-a-j-stop-n 1
abandonment-n as+n-the+ns-j-aid-n 1
cake-n against+n-the+vg-restv 1
cake-n as+n-a+vd-require-v 1
cake-n as+n-a-j+vg-up-use-v 1
cake-n as+n-the+ns-j-aid-n 2
dog-n as+n-a-j+vg-up-use-v 7
dog-n as+n-the+ns-j-aid-n 5
我想要的输出如下
2 7
1 1 1 1
1 1 1 2
7 5
其中,第一行指定维度(本质上是唯一的行//列)第二行以稀疏格式开始实际矩阵。
我认为最有效的方法是 python
。然而,由于我已经计算了数据的相应权重,我不认为 numpy
中的类或者对于向量,例如发现 here和 here在这种情况下是必要的。那么,有人知道我如何开始解决 python 中的这个重新排列问题吗?
我想做的第一件事是打开文件并拆分字典中的元素:像这样:
mydict = {}
with open("sample_outputDM_ALL_COOC", 'r') as infile_A:
for line in infile_A:
lines_splitted = line.split()
lemma = lines_splitted[0]
feat = lines_splitted[1]
weight = lines_splitted[2]
mydict = [lemma], float(weight)
#print mydict
for x in mydict:
if lemma == lemma:
print weight + "\t"
else:
pass
我一直在努力解决这个问题,但还是没能解决。到目前为止我所做的是将所有变量输入到字典中,并且我能够打印每个单独的引理和每行的每个单独的权重。
但是,我需要将与给定引理相对应的所有权重放在同一行中。我已经尝试过groupby
变量,但我不确定它是这种情况的最佳选择。我相信解决方案是 if else
声明,但我不知道如何将两者联系起来。
因此,该方法应遵循以下原则:对于每个 target
,打印freq
的slotfiller
每个唯一的 target
在一行中.
最佳答案
这是做作业吗?如果没有,请查看 scipy.sparse
中提供的工具。或 scikits.learn 的混合物和 Python NLTK (e.g. this example)。
已添加根据评论和重新阅读问题,我还可以想象使用 Pandas.DataFrame 来完成此任务,但我不确定考虑到数据的大小是否令人满意。一个选择是将数据加载到多个 block 中,因为它似乎可以在第一列的唯一项上并行化。 (有关更多信息,请参阅我的 comment below)。
def sparse_vec(df):
return (df['Col3'].values[None,:],)
# Obviously these would be chunk-specific, and you'd need to do
# another pass to get the global sum of unique ids from Col1 and the
# global max of the number of unique rows-per-id.
n_cols = len(df.Col2.unique())
n_rows = len(df.Col1.unique())
vecs = df.groupby("Col1").apply(sparse_vec)
print vecs
在 IPython 中使用您提供的示例数据,我看到:
In [17]: data = """
....: abandonment-n about+n-the+v-know-v 1
....: abandonment-n above+ns-j+vn-pass-continue-v 1
....: abandonment-n after+n-the+n-a-j-stop-n 1
....: abandonment-n as+n-the+ns-j-aid-n 1
....: cake-n against+n-the+vg-restv 1
ake- ....: cake-n as+n-a+vd-require-v 1
....: cake-n as+n-a-j+vg-up-use-v 1
....: cake-n as+n-the+ns-j-aid-n 2
....: dog-n as+n-a-j+vg-up-use-v 7
dog- ....: dog-n as+n-the+ns-j-aid-n 5"""
In [18]: data
Out[18]: '\nabandonment-n about+n-the+v-know-v 1\nabandonment-n above+ns-j+vn-pass-continue-v 1\nabandonment-n after+n-the+n-a-j-stop-n 1\nabandonment-n as+n-the+ns-j-aid-n 1\ncake-n against+n-the+vg-restv 1\ncake-n as+n-a+vd-require-v 1\ncake-n as+n-a-j+vg-up-use-v 1\ncake-n as+n-the+ns-j-aid-n 2\ndog-n as+n-a-j+vg-up-use-v 7\ndog-n as+n-the+ns-j-aid-n 5'
In [19]: data.split("\n")
Out[19]:
['',
'abandonment-n about+n-the+v-know-v 1',
'abandonment-n above+ns-j+vn-pass-continue-v 1',
'abandonment-n after+n-the+n-a-j-stop-n 1',
'abandonment-n as+n-the+ns-j-aid-n 1',
'cake-n against+n-the+vg-restv 1',
'cake-n as+n-a+vd-require-v 1',
'cake-n as+n-a-j+vg-up-use-v 1',
'cake-n as+n-the+ns-j-aid-n 2',
'dog-n as+n-a-j+vg-up-use-v 7',
'dog-n as+n-the+ns-j-aid-n 5']
In [20]: data_lines = [x for x in data.split("\n") if x]
In [21]: data_lines
Out[21]:
['abandonment-n about+n-the+v-know-v 1',
'abandonment-n above+ns-j+vn-pass-continue-v 1',
'abandonment-n after+n-the+n-a-j-stop-n 1',
'abandonment-n as+n-the+ns-j-aid-n 1',
'cake-n against+n-the+vg-restv 1',
'cake-n as+n-a+vd-require-v 1',
'cake-n as+n-a-j+vg-up-use-v 1',
'cake-n as+n-the+ns-j-aid-n 2',
'dog-n as+n-a-j+vg-up-use-v 7',
'dog-n as+n-the+ns-j-aid-n 5']
In [22]: split_lines = [x.split() for x in data_lines]
In [23]: split_lines
Out[23]:
[['abandonment-n', 'about+n-the+v-know-v', '1'],
['abandonment-n', 'above+ns-j+vn-pass-continue-v', '1'],
['abandonment-n', 'after+n-the+n-a-j-stop-n', '1'],
['abandonment-n', 'as+n-the+ns-j-aid-n', '1'],
['cake-n', 'against+n-the+vg-restv', '1'],
['cake-n', 'as+n-a+vd-require-v', '1'],
['cake-n', 'as+n-a-j+vg-up-use-v', '1'],
['cake-n', 'as+n-the+ns-j-aid-n', '2'],
['dog-n', 'as+n-a-j+vg-up-use-v', '7'],
['dog-n', 'as+n-the+ns-j-aid-n', '5']]
In [24]: df = pandas.DataFrame(split_lines, columns=["Col1", "Col2", "Col3"])
In [25]: df
Out[25]:
Col1 Col2 Col3
0 abandonment-n about+n-the+v-know-v 1
1 abandonment-n above+ns-j+vn-pass-continue-v 1
2 abandonment-n after+n-the+n-a-j-stop-n 1
3 abandonment-n as+n-the+ns-j-aid-n 1
4 cake-n against+n-the+vg-restv 1
5 cake-n as+n-a+vd-require-v 1
6 cake-n as+n-a-j+vg-up-use-v 1
7 cake-n as+n-the+ns-j-aid-n 2
8 dog-n as+n-a-j+vg-up-use-v 7
9 dog-n as+n-the+ns-j-aid-n 5
In [26]: df.groupby("Col1").apply(lambda x: (x.Col3.values[None,:],))
Out[26]:
Col1
abandonment-n (array([[1, 1, 1, 1]], dtype=object),)
cake-n (array([[1, 1, 1, 2]], dtype=object),)
dog-n (array([[7, 5]], dtype=object),)
In [27]: n_rows = len(df.Col1.unique())
In [28]: n_cols = len(df.Col2.unique())
In [29]: n_rows, n_cols
Out[29]: (3, 7)
关于python - 重新组织Python字典中的输出数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20046386/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!