在 Tensorflow（或 Tensorly）中将 2D 数据帧转换为多维张量答案

【问题标题】：Converting 2D Dataframe to Multidimensional Tensor in Tensorflow (or Tensorly)在 Tensorflow（或 Tensorly）中将 2D 数据帧转换为多维张量
【发布时间】：2022-01-05 23:09:45
【问题描述】：

我对 python 非常陌生，并且正在尝试使用更高维张量分解技术。但首先我需要将我的数据帧从 2D 数组转换为多维张量，但我有点不知道该怎么做。

我的数据框如下所示：

Subject Cz  F7  F8...Pz Diagnosis Test  Time 
1       #   #   #    #    A        x     100 
1       #   #   #    #    A        x     200   
1       #   #   #    #    A        y     100
1       #   #   #    #    A        y     200
2       #   #   #    #    B        x     100
2       #   #   #    #    B        x     200
2       #   #   #    #    B        y     100
2       #   #   #    #    B        y     200

我想将其转换为 3 级张量：

Dimension 1: Channel (Cz F7 F8...Pz)
Dimension 2: Test    (x y)
Dimension 3: Time    (100 200)

and also turn Diagnosis into a predictor label

由于数据框的设置方式，我认为我不能只做label = df.pop('Diagnosis')，对吗？

提前致谢！

【问题讨论】：

标签： python pandas tensorflow tensorly

【解决方案1】：

使用 tf.reshape 将二维数组转换为 n 维数组的简单方法。

示例

import tensorflow as tf
t = [[1, 2],
     [4, 5],
     [3,4],
     [6,7]]
print(tf.shape(t).numpy())

tf.reshape(t, [2, 2, 2])

输出

[4 2]
<tf.Tensor: shape=(2, 2, 2), dtype=int32, numpy=
array([[[1, 2],
        [4, 5]],

       [[3, 4],
        [6, 7]]], dtype=int32)>

【讨论】：