python - Python 索引错误

问题描述

我在 txt 文件中有如下数据集。（第一列=userid，第二列=locationid）通常我的数据集很大，但我创建了一个虚拟数据集来更好地解释我的问题。

我正在尝试创建一个矩阵，如下面的代码所示。行将是用户 ID 列位置 ID。由于该数据集显示了用户访问的位置 ID，因此我将代码中的值 1 分配给他们在矩阵中访问的位置。

我收到一个索引错误。IndexError: index 801 is out of bounds for axis 0 with size 50

我尝试了不同的 user_num 和 poi_num 但仍然不起作用

数据用户.txt

代码

import numpy as np
from collections import defaultdict
from itertools import islice
import pandas as pd 

train_file = "datausers.txt"
user_num = 20
poi_num = 20

training_matrix = np.zeros((user_num, poi_num))
train_data = list(islice(open(train_file, 'r'), 10))

for eachline in train_data:
    uid, lid= eachline.strip().split()
    uid, lid = int(uid), int(lid)
    training_matrix[uid, lid] = 1.0

错误

预期产出

4x12 矩阵，因为我们有 4 个唯一用户和 12 个唯一位置

[1 0 1 0 1 0 0 0 0 0 0 0
 0 1 0 1 0 1 0 0 0 0 0 0
...
]

例如对于第一行 1 0 1 0 1 0 0 0 0 0 0 0

用户 801 访问了 3 个位置，它们是 1。（1 的位置可以是可变的，我以它为例）

标签： pythonpandasnumpy

正如您用标记问题一样pandas，这是使用str.get_dummiespandas 方法解决问题的一种方法Series：

df = pd.read_csv('datausers.txt', sep='\s+', names=['userid', 'locationid'], index_col=0)
out = df['locationid'].astype(str).str.get_dummies().sum(level=0)

结果

对于样本数据

>>> out
        10201  10259  14470  15810  19264  32332  33847  34041  34827  34834  35407  36115
userid                                                                                    
801         0      0      1      0      0      1      1      0      0      0      0      0
501         1      1      0      0      0      0      0      1      0      0      0      0
301         0      0      0      1      1      0      0      0      1      0      0      0
401         0      0      0      0      0      0      0      0      0      1      1      1

如果您需要numpy数组：

>>> out.to_numpy()

array([[0, 0, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0],
       [1, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0],
       [0, 0, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1]])

python - Python 索引错误 - 轴 0 越界

问题描述

解决方案

推荐阅读