使用 python 将 CSV 文件转换为 LIBSVM 兼容的数据文件答案

【问题标题】：Converting CSV file to LIBSVM compatible data file using python使用 python 将 CSV 文件转换为 LIBSVM 兼容的数据文件
【发布时间】：2014-06-03 21:49:43
【问题描述】：

我正在使用 libsvm 做一个项目，并且我正在准备我的数据以使用该 lib。如何将 CSV 文件转换为 LIBSVM 兼容数据？

CSV 文件： https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/datasets/data/iris.csv

在频率问题中：

如何将其他数据格式转换为 LIBSVM 格式？

这取决于您的数据格式。一种简单的方法是在 libsvm matlab/octave 接口中使用 libsvmwrite。以 UCI 机器学习存储库中的 CSV（逗号分隔值）文件为例。我们下载 SPECTF.train。标签位于第一列。以下步骤生成 libsvm 格式的文件。

matlab> SPECTF = csvread('SPECTF.train'); % read a csv file
matlab> labels = SPECTF(:, 1); % labels from the 1st column
matlab> features = SPECTF(:, 2:end); 
matlab> features_sparse = sparse(features); % features must be in a sparse matrix
matlab> libsvmwrite('SPECTFlibsvm.train', labels, features_sparse);
The tranformed data are stored in SPECTFlibsvm.train.
Alternatively, you can use convert.c to convert CSV format to libsvm format.

但我不想使用 matlab，我使用 python。

我也使用JAVA 找到了这个解决方案

谁能推荐解决这个问题的方法？

【问题讨论】：

你打算使用libsvm 可执行文件吗？还是 Python 绑定？
如果libsvm，则需要将csv转换为libsvm数据。如果是Python绑定，则需要将csv加载到Python中。
我将使用 libsvm 可执行文件。我找到了这个（github.com/seamusabshere/vector_embed），我现在正在弄清楚它是否有帮助。但我想在预测变量和目标（这是列之一）之间进行拆分。这会影响吗？
似乎把第一列为目标。您需要正确修改代码。这是红宝石代码。你需要Python version吗？
这是与 libsvm 的第一次交互，我只需要知道如何分离预测变量（许多列）和目标（一个特定列）。我会使用这个脚本 (github.com/zygmuntz/phraug/blob/master/csv2libsvm.py) 如果你能解释更多，我会很高兴。

标签： java python csv libsvm

【解决方案1】：

您可以使用csv2libsvm.py 将csv 转换为libsvm data

python csv2libsvm.py iris.csv libsvm.data 4 True

其中 4 表示 target index，True 表示 csv 有一个标题。

终于可以得到libsvm.data as

0 1:5.1 2:3.5 3:1.4 4:0.2
0 1:4.9 2:3.0 3:1.4 4:0.2
0 1:4.7 2:3.2 3:1.3 4:0.2
0 1:4.6 2:3.1 3:1.5 4:0.2
...

来自iris.csv

150,4,setosa,versicolor,virginica
5.1,3.5,1.4,0.2,0
4.9,3.0,1.4,0.2,0
4.7,3.2,1.3,0.2,0
4.6,3.1,1.5,0.2,0
...

【讨论】：

我一共得到了 16 个特征，我的第 16 个特征是类属性，我没有标题如何使用上述文件转换 csv2libsvm
我尝试了一个 2 列的 csv 文件，但它不起作用。我运行python3 csv2libsvm.py P0.txt P0.data 2 True 得到Traceback (most recent call last): File "csv2libsvm.py", line 71, in <module> label = line.pop(label_index) IndexError: pop index out of range

【解决方案2】：

csv2libsvm.py不适用于Python3，也不支持标签目标（字符串目标），我稍微修改了一下。现在它应该适用于 Python3 以及标签目标。我对 Python 很陌生，所以我的代码可能不是最佳实践，但我希望能对某人有所帮助。

#!/usr/bin/env python

"""
Convert CSV file to libsvm format. Works only with numeric variables.
Put -1 as label index (argv[3]) if there are no labels in your file.
Expecting no headers. If present, headers can be skipped with argv[4] == 1.

"""

import sys
import csv
import operator
from collections import defaultdict

def construct_line(label, line, labels_dict):
    new_line = []
    if label.isnumeric():
        if float(label) == 0.0:
            label = "0"
    else:
        if label in labels_dict:
            new_line.append(labels_dict.get(label))
        else:
            label_id = str(len(labels_dict))
            labels_dict[label] = label_id
            new_line.append(label_id)

    for i, item in enumerate(line):
        if item == '' or float(item) == 0.0:
            continue
        elif item=='NaN':
            item="0.0"
        new_item = "%s:%s" % (i + 1, item)
        new_line.append(new_item)
    new_line = " ".join(new_line)
    new_line += "\n"
    return new_line

# ---

input_file = sys.argv[1]
try:
    output_file = sys.argv[2]
except IndexError:
    output_file = input_file+".out"


try:
    label_index = int( sys.argv[3] )
except IndexError:
    label_index = 0

try:
    skip_headers = sys.argv[4]
except IndexError:
    skip_headers = 0

i = open(input_file, 'rt')
o = open(output_file, 'wb')

reader = csv.reader(i)

if skip_headers:
    headers = reader.__next__()

labels_dict = {}
for line in reader:
    if label_index == -1:
        label = '1'
    else:
        label = line.pop(label_index)

    new_line = construct_line(label, line, labels_dict)
    o.write(new_line.encode('utf-8'))

【讨论】：