3
我想將python中的Pandas數據幀轉換爲LIBFM格式的稀疏矩陣txt文件。將Pandas DataFrame轉換爲LIBFM格式的txt文件
這裏的格式需要是這樣的：
4 0:1.5 3:-7.9
2 1:1e-5 3:2
-1 6:1
此文件包含三種情況。第一欄列出了三種情況中每一種的目標：即第一種情況爲4，第二種情況爲2，第三種情況爲-1。在目標之後，每行包含x的非零元素，其中像0：1.5這樣的條目讀取x0 = 1.5和3：-7.9意味着x3 = -7.9等。這意味着INDEX：VALUE的左側表示索引在x內，而右側表示x的值。
在總從示例中的數據描述了以下設計矩陣X和目標向量y：
1.5 0.0 0.0 −7.9 0.0 0.0 0.0
X: 0.0 10−5 0.0 2.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 1.0
4
Y: 2
−1
這在Manual file下章2.
現在，這裏還解釋是我的問題：我有一個熊貓數據框，如下所示：
overall reviewerID asin brand Positive Negative \
0 5.0 A2XVJBSRI3SWDI 0000031887 Boutique Cutie 3.0 -1
1 4.0 A2G0LNLN79Q6HR 0000031887 Boutique Cutie 5.0 -2
2 2.0 A2R3K1KX09QBYP 0000031887 Boutique Cutie 3.0 -2
3 1.0 A19PBP93OF896 0000031887 Boutique Cutie 2.0 -3
4 4.0 A1P0IHU93EF9ZK 0000031887 Boutique Cutie 2.0 -2
LDA_0 LDA_1 ... LDA_98 LDA_99
0 0.000833 0.000833 ... 0.000833 0.000833
1 0.000769 0.000769 ... 0.000769 0.000769
2 0.000417 0.000417 ... 0.000417 0.000417
3 0.000137 0.014101 ... 0.013836 0.000137
4 0.000625 0.000625 ... 0.063125 0.000625
其中「overall」是目標列，其他所有105列都是要素。
需要將'ReviewerId'，'Asin'和'Brand'列更改爲虛擬變量。所以每個獨特的'ReviewerID'，'Asin'和品牌都有自己的專欄。這意味着如果'ReviewerID'具有100個唯一值，那麼您將獲得100列，其中值爲1（如果該行表示特定審閱者，否則爲0）。
所有其他列不需要重新格式化。所以這些列的索引可以只是列號。
所以在上面的熊貓數據幀中的第一3行需要被變換爲下面的輸出：
5 0:1 5:1 6:1 7:3 8:-1 9:0.000833 10:0.000833 ... 107:0.000833 108:0.00833
4 1:1 5:1 6:1 7:5 8:-2 9:0.000769 10:0.000769 ... 107:0.000769 108:0.00769
2 2:1 5:1 6:1 7:3 8:-2 9:0.000417 10:0.000417 ... 107:0.000417 108:0.000417
在LIBFM]包有，可以改變用戶的程序 - 物品 - 分級插入LIBFM輸出格式。但是這個程序無法與這麼多列相處。
有沒有簡單的方法來做到這一點？我總共有100萬行。