给定一个表格:
ID Sequence
1 A,C,D,E,F,G
2 D,F,G,B
3 A,B,A,C
and so on
现在我希望整理这些数据,以便可以按顺序将其输入 RNN,以便我能够预测每个序列中的下一个条目。所以这是所有可能序列形式的要求(在新数据框中):
X Y
A,C,D E
C,D,E F
D,E,F G
D,F,G B
A,B,A C
X 的长度可以是 3 或任何自定义长度。我该怎么办?
请您参考如下方法:
这是使用 df.split 并将 pd.Series 应用于子列表的另一种方法:
In [623]: df.Sequence.str.split(',')\
...: .apply(lambda x: pd.Series([x[i : i + 3], x[i + 3]] for i in range(0, len(x)- 3))).stack()\
...: .apply(lambda x: pd.Series([x[0], x[1]]))\
...: .reset_index(drop=True)
Out[623]:
0 1
0 [A, C, D] E
1 [C, D, E] F
2 [D, E, F] G
3 [D, F, G] B
4 [A, B, A] C
设置列就像 df.columns = ['X', 'Y'] 一样简单。
