Pythonで(350,100,200)のnumpyのリストを作りたいのですが、下記のコードで作成したリストの大きさを.shapeで出力してみたところ、(350,9632,200)という大きさになってしまっていました。
どうすれば意図した大きさの配列を得ることができるのでしょうか。
各数字の意味としては、
350...csvファイルから読み込んだデータ数
100...各文章の単語ベクトルの数(データ内の最大単語数が100であるため、それ以下のものは0行列でパディングする。)
200...使用しているword2vecモデルから出力されるベクトルの形(単語1つにつき(200,)の形の行列を得る。)
#ソースコード
import csv import MeCab import gensim from gensim import corpora, matutils from gensim.models import KeyedVectors import numpy as np import time tagger = MeCab.Tagger("-Owakati") #東北大学 乾・岡崎研究室のモデル model = KeyedVectors.load_word2vec_format('./entity_vector.model.bin', binary=True) csv_file1 = open("./data/posneg_train_1.csv", "r", encoding="ms932", errors="", newline="" ) train = csv.reader(csv_file1, delimiter=",", doublequote=True, lineterminator="\r\n", quotechar='"', skipinitialspace=True) csv_file2 = open("./data/posneg_test_1.csv", "r", encoding="ms932", errors="", newline="" ) test = csv.reader(csv_file2, delimiter=",", doublequote=True, lineterminator="\r\n", quotechar='"', skipinitialspace=True) train_data = [] test_data = [] for row in train: train_data.append([row[0],int(row[1])]) for row in test: test_data.append([row[0],int(row[1])]) del train del test data_x, data_t = [], [] for d in train_data: data_x.append(d[0]) # 文書 data_t.append(d[1]) # ラベル del train_data x_test, y_test = [], [] for d in test_data: x_test.append(d[0]) # 文書 y_test.append(d[1]) # ラベル del test_data #文章を単語に分かち書きし、リストに押し込む def sentence2words(sentence): #str型で、単語が空白で別れる str_output = tagger.parse(sentence) #listに変換する list_output = str_output.split(' ') return(list_output) data_x_vec = [] x_test_vec = [] tmp = [] width = 0 start = time.time() #単語をベクトル化し、リストに押し込む for sentence in data_x: for i in range(len(sentence2words(sentence))): if sentence2words(sentence)[i] == '\n': continue try: tmp.append(model[sentence2words(sentence)[i]]) width = len(model[sentence2words(sentence)[i]]) except: continue #最大長に合わせるため、0行列を補填 if len(tmp) < 100: for j in range(100-len(tmp)): tmp.append(np.zeros(200)) data_x_vec.append(tmp) elapsed_time = time.time() - start print ("elapsed_time:{0}".format(elapsed_time) + "[sec]") np.save('train_data_1.npy',data_x_vec) np.save('train_label_1.npy',data_t) del tmp del data_x_vec del data_t tmp = [] width = 0 start = time.time() #単語をベクトル化し、リストに押し込む for sentence in x_test: for i in range(len(sentence2words(sentence))): if sentence2words(sentence)[i] == '\n': continue try: tmp.append(model[sentence2words(sentence)[i]]) width = len(model[sentence2words(sentence)[i]]) except: continue #最大長に合わせるため、0行列を補填 if len(tmp) < 100: for j in range(100-len(tmp)): tmp.append(np.zeros(200)) x_test_vec.append(tmp) elapsed_time = time.time() - start print ("elapsed_time:{0}".format(elapsed_time) + "[sec]") del tmp np.save('test_data_1.npy', x_test_vec) np.save('test_label_1.npy',y_test)
回答1件
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。