使用 python 将 CSV 文件转换为 LIBSVM 兼容数据文件

Question

我正在使用 libsvm 做一个项目，并且正在准备我的数据以使用该库。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。一个简单的方法是在 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

任何人都可以推荐一种方法来解决这个问题吗？

Answer 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

有标题。

最后，你可以得到

libsvm.data

为

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
...

Answer 2

csv2libsvm.py不适用于Python3，而且它不支持标签目标（字符串目标），我稍微修改了它。现在它应该可以与 Python3 以及标签目标一起使用。 我对 Python 很陌生，所以我的代码可能没有遵循最佳实践，但我希望它足以帮助别人。

#!/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'))

Answer 3

另一个选项是使用 sklearn.datasets 中的 dump_svmlight_file。请参阅示例代码：

https://scikit-learn.org/stable/auto_examples/applications/svm_gui.html#sphx-glr-auto-examples-applications-svm-gui-py