- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个数据框,其中有两列(评论和情绪)。我正在使用 pytorch 和 torchtext 库来预处理数据。是否可以使用 dataframe 作为源来读取 torchtext 中的数据?我正在寻找类似的东西,但不是
data.TabularDataset.splits(path='./data')
我已经对数据执行了一些操作(清理,更改为所需的格式),最终数据位于数据框中。
如果不是 torchtext,您建议使用什么其他包来帮助预处理数据帧中存在的文本数据。我在网上找不到任何东西。任何帮助都会很棒。
最佳答案
调整 torchtext.data
中的 Dataset
和 Example
类
from torchtext.data import Field, Dataset, Example
import pandas as pd
class DataFrameDataset(Dataset):
"""Class for using pandas DataFrames as a datasource"""
def __init__(self, examples, fields, filter_pred=None):
"""
Create a dataset from a pandas dataframe of examples and Fields
Arguments:
examples pd.DataFrame: DataFrame of examples
fields {str: Field}: The Fields to use in this tuple. The
string is a field name, and the Field is the associated field.
filter_pred (callable or None): use only exanples for which
filter_pred(example) is true, or use all examples if None.
Default is None
"""
self.examples = examples.apply(SeriesExample.fromSeries, args=(fields,), axis=1).tolist()
if filter_pred is not None:
self.examples = filter(filter_pred, self.examples)
self.fields = dict(fields)
# Unpack field tuples
for n, f in list(self.fields.items()):
if isinstance(n, tuple):
self.fields.update(zip(n, f))
del self.fields[n]
class SeriesExample(Example):
"""Class to convert a pandas Series to an Example"""
@classmethod
def fromSeries(cls, data, fields):
return cls.fromdict(data.to_dict(), fields)
@classmethod
def fromdict(cls, data, fields):
ex = cls()
for key, field in fields.items():
if key not in data:
raise ValueError("Specified key {} was not found in "
"the input data".format(key))
if field is not None:
setattr(ex, key, field.preprocess(data[key]))
else:
setattr(ex, key, data[key])
return ex
然后,首先使用 torchtext.data
字段定义字段
。例如:
TEXT = data.Field(tokenize='spacy')
LABEL = data.LabelField(dtype=torch.float)
TEXT.build_vocab(train, max_size=25000, vectors="glove.6B.100d")
LABEL.build_vocab(train)
fields = { 'sentiment' : LABEL, 'review' : TEXT }
在简单地加载数据帧之前:
train_ds = DataFrameDataset(train_df, fields)
valid_ds = DataFrameDataset(valid_df, fields)
关于数据框作为 torchtext 中的数据源,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52602071/
我有一个数据框,其中有两列(评论和情绪)。我正在使用 pytorch 和 torchtext 库来预处理数据。是否可以使用 dataframe 作为源来读取 torchtext 中的数据?我正在寻找类
我的机器上安装了 PyTorch,但每当我尝试执行以下操作时 - from torchtext import data from torchtext import datasets 我收到以下错误。
torchtext 能够读取包含一些列的文件,每一列对应一个字段。如果我想创建一个新列(我将其用作一项功能)怎么办?例如,假设文件有两列,文本和目标,我想从文本中提取一些信息并生成一个新特征(例如,如
我有一个来自 torchtext 的 Bucketiterator,我将它提供给 pytorch 中的模型。如何构造迭代器的示例: train_iter, val_iter = BucketItera
我正在处理文本并使用 torchtext.data.Dataset .创建数据集需要花费大量时间。对于只是运行程序,这仍然是可以接受的。但我想调试神经网络的 torch 代码。如果 python 在
我在 torchtext 中遇到了一个问题,并为此苦苦挣扎了很长时间。我试图使用 torchtext 和 spacy 对文本进行标记和数字化。我将我的分词器定义如下: def Sp_Tokenizer
我正在尝试使用 torchtext 进行序列标记,其中序列是句子。因此,每个 Example 都是句子及其标签的列表: [ { 'texts': ["An example.", "It's
据我所知,从 torchtext 0.9.0 开始,torchtext.data 和 torchtext.dataset 被移动到 torchtext.legacy 但我的 0.12.0 torcht
torchtext.data.TabularDataset 可以从 TSV/JSON/CSV 文件创建,然后可用于从 Glove、FastText 或任何其他嵌入构建词汇表。但我的要求是直接从 lis
使用 pytorch 的 torchtext 构建文本分类模型。词汇表对象在 data.field 中: def create_tabularDataset_object(self,csv_path)
我最近开始使用 PyTorch 进行 ML/DL。以下 pytorch 示例说明了我们如何训练一个简单的模型来将德语翻译成英语。 https://pytorch.org/tutorials/begin
我想用 pytorch 从 tsv 文件创建一个数据集。 我正在考虑使用 torchtext.data.TabularDataset.splits 但我收到一条错误消息。 AttributeError
我想运行一个 git project使用 pytorch 和 torchtext 但是当我运行它时,它会引发错误: File "main.py", line 60, in main()
torchtext 0.4.0 库存在(可以通过 pip 下载),但是 conda install torchtext=0.4.0不管用。如何将 torchtext 下载到 anaconda 环境?
看起来之前声明字段、示例和使用 BucketIterator 的范式已被弃用,并将在 0.8 中转移到旧版。但是,我似乎无法找到不使用 Field 的自定义数据集的新范式示例(例如,不是 torch.
我正在使用 RNN 并使用 Pytorch 和 Torchtext。我在 RNN 中构建词汇时遇到问题。我的代码如下: TEXT = Field(tokenize=tokenizer, lower=T
如何在pytorrch中读入.txt文件(语料库)到torchtext? 我只看到 data.Dataset 的示例数据集和 data.TabularData 的 csv、json 和 tsv。 ht
当我尝试查看批处理时,通过打印 BucketIterator 对象的下一次迭代,抛出了 AttributeError。 tv_datafields=[("Tweet",TEXT), ("Anger",
我有 64 位 Windows 10 操作系统我已经安装了python 3.6.8我已经使用 pip 安装了 torch 和 torchtext。手电筒版本为1.2.0 我正在尝试使用以下代码加载 A
我是一名优秀的程序员,十分优秀!