Question

我有一个pandas数据帧对象，其中包含一个包含文字表示的文本列，存储为29881x23947类型为''的稀疏矩阵。使用sklearn和fit_transform（）函数处理该列。

我现在想要使用convert_to_tensor（）函数将此Colum转换为2D Tensor。

x_train_tensor = tf.convert_to_tensor(x_train)

获取错误消息：

TypeError：预期的二进制或unicode字符串

将矩阵转换为张量需要哪种格式？

修改：打印出它所说的列的类型：

<class 'scipy.sparse.csr.csr_matrix'>

作为输出的数据帧示例：

0          (0, 6276)\t1\n  (0, 8209)\t1\n  (0, 14299)\t...
1          (0, 6276)\t1\n  (0, 8209)\t1\n  (0, 14299)\t...
2          (0, 6276)\t1\n  (0, 8209)\t1\n  (0, 14299)\t...
3          (0, 6276)\t1\n  (0, 8209)\t1\n  (0, 14299)\t...

Answer 1

以下是将稀疏scipy矩阵转换为tensorflow密集格式的示例。

输入稀疏scipy矩阵

A = np.array([[1,2,0],[0,0,3],[4,0,0]])
sA = sparse.csr_matrix(A)

print (sA)
# (0, 0)    1
# (0, 1)    2
# (1, 2)    3
# (2, 0)    4

idx, idy, val = sparse.find(sA)

print(idx, idy, val)
#[0 2 0 1] [0 0 1 2] [1 4 2 3]

To tensorflow

#merge idx and idy array to convert to [idx, idy] matrix    
full_indices = tf.stack([idx, idy], axis=1)

#Output matrix size
depth_x = 3
depth_y = 3

# sparse to dense matrix 
dense = tf.sparse_to_dense(full_indices,tf.constant([depth_x,depth_y]), val, validate_indices=False)

with tf.Session() as sess:
   print(sess.run(dense))
#[[1 2 0]
# [0 0 3]
# [4 0 0]]

将稀疏矩阵转换为张量

1 个答案: