Question

我有形状为（3000，4）的数据，特征为（产品，商店，星期，数量）。数量是目标。

所以我想将此矩阵重构为张量，而无需混合相应的量。

例如，如果有30个产品，20个存储区和5个星期，则张量的形状应为（5、20、30），并具有相应的数量。因为整个数据中不会有两次类似（商店A，产品X，第3周）的条目，所以每个商店x产品x周对应该有一个对应的数量。

关于如何实现此目标的任何建议，还是存在任何逻辑错误？谢谢。

Answer 1

如果没有虚拟变量，您只需要仔细排序我们的数据即可。 np.lexsort可以做到。

假设您的数据看起来像data：

import numpy as np
dims=a,b,c=30,20,5
data=np.array(list(product(*[np.arange(i) for i in dims+(1,)])))
data[:,-1]=np.random.randint(0,100,a*b*c)
np.random.shuffle(data)
#array([[ 4, 15,  0, 56],
#       [27, 16,  2,  3],
#       [ 4,  8,  4, 26],
#       ..., 
#       [20, 14,  3, 28],
#       [14, 10,  4,  6],
#       [19, 14,  3, 39]])

然后可以根据需要进行排序并按以下方式重塑：

sorteddata=data[np.lexsort(data[:,::-1].T)]
tensor=sorteddata[:,-1].reshape(dims)

现在tensor[4,15,0]是56。好吧！

Answer 2

您可以首先浏览前三列中的每一列，然后计算拥有的不同产品，商店和周数。这将为您提供新数组的形状，您可以使用numpy创建它。现在重要的是，您需要为每个类别创建一个转换矩阵。例如，如果乘积为“ XXX”，那么您想知道第一维的哪一行（因为乘积是数组的第一维），“ XXX”对应；商店和周的想法相同。完成所有这些操作后，您可以简单地遍历现有数组的所有行，并根据存储在转换矩阵中的产品，商店和周各值的索引，将数量的值分配给新数组内的正确位置。正如您所说，这是有道理的，因为存在一对一的对应关系。

如何在不混合相应条目的情况下将2D矩阵转换为3D张量？

2 个答案: