python - 无法使用 Python 中的 Surprise 将 csv 文件加载到 Dataframe 中

Question

场景

要导入的数据集包含大量 NaN 值。同样，我在 Python 中使用 SurPRISE 包(由 Nicholas Hug 编写)，而不是使用 Pandas。原因是预测 NaN 值的方法与提到的包很好。

问题

数据集post_df1.csv如下:

       uid     iid       rat
1    303.0   785.0  3.000000
2    291.0  1042.0  4.000000
3    234.0  1184.0  2.000000
4    102.0   768.0  2.000000
5    181.0  1081.0  1.000000
...
194  944.0  110.0       NaN
195  944.0  111.0       NaN
196  944.0  112.0       NaN
197  944.0  113.0       NaN
198  944.0  114.0  5.000000
199  944.0  115.0  5.000000

使用 SurPRISE 导入

reader = Reader(line_format="user item rating", sep='\t', rating_scale=(1, 5))
df = Dataset.load_from_file('post_df1.csv', reader=reader)

返回错误:

Traceback (most recent call last):
  File "<input>", line 3, in <module>
  File "/home/x/.local/lib/python2.7/site-packages/surprise/dataset.py", line 173, in load_from_file
    return DatasetAutoFolds(ratings_file=file_path, reader=reader)
  File "/home/x/.local/lib/python2.7/site-packages/surprise/dataset.py", line 306, in __init__
    self.raw_ratings = self.read_ratings(self.ratings_file)
  File "/home/x/.local/lib/python2.7/site-packages/surprise/dataset.py", line 205, in read_ratings
    itertools.islice(f, self.reader.skip_lines, None)]
  File "/home/x/.local/lib/python2.7/site-packages/surprise/dataset.py", line 455, in parse_line
    return uid, iid, float(r) + self.offset, timestamp
ValueError: could not convert string to float: 

我不知道字符串在哪里!因为使用 Pandas 读取 post_df1.csv 时，返回以下内容:

post_df1.dtypes

uid    float64
iid    float64
rat    float64
dtype: object

问题

1. 使用此包读取数据时将整个数据视为字符串的可能性有多大？
2. 我在 Error 中注意到，该 float 在 Dataset.py 中有一个偏移量和时间戳作为返回值。如何将其限制为仅限 uid、iid、rat/float？

return uid, iid, float(r) + self.offset, timestamp 3. List item

引用文献

Suprise Package Docs

编辑#1

因此，这就是 post_df1 和 post_df2 的形成方式。另外，对于 post_df1，我尝试从第 1 行开始获取值，以防第 0 行是标题。

# PRE PROCESSED CLUSTER 0 -- Named to POST DataFrame1
if flag1 is 1:
    print pre_df01
    post_df1 = pre_df01.iloc[1:, :]
elif flag1 is 2:
    print pre_df02
    post_df1 = pre_df02.iloc[1:, :]
elif flag1 is 3:
    print pre_df03
    post_df1 = pre_df03.iloc[1:, :]

# PRE PROCESSED CLUSTER 1 -- Named to POST DataFrame2
if flag2 is 1:
    print pre_df11
    post_df2 = pre_df11
elif flag2 is 2:
    print pre_df12
    post_df2 = pre_df12
elif flag2 is 3:
    print pre_df13
    post_df2 = pre_df13

在这里，我已经尝试删除 header 和索引以避免其中出现任何字符串类型。

# EXPORT TO CSV & LOAD AGAIN IN PROGRAM
post_df1.to_csv("post_df1.csv", sep='\t', index=False, header=False)
post_df2.to_csv("post_df2.csv", sep='\t', index=False, header=False)

由于导入是代码中的问题，我使用电子表格查看了 csv 文件，如下所示 显然它没有标题。

Answer 1

这个错误似乎是由于 post_df1.csv 中每列的标题而产生的，该标题是字符串格式的。当您从 csv 文件中删除带有列名称的第一行时，您的代码片段应该可以正常工作。