如何解决在为推荐系统创建矩阵时,您如何处理非常大的数据集?
我正在尝试创建一个交易和产品组矩阵,但我有一个非常大的交易数据(超过 10,000,000 行)和大约 100 个产品组。当我尝试使用此代码创建数据透视表时
df.pivot(index='transaction_id',columns='product_group',values='ratings')
返回值错误“Unstacked DataFrame太大,导致int32溢出”
除了减少数据大小之外,还有什么办法可以解决这个问题吗?
谢谢!
解决方法
将轴列转换为类别:
df['transaction_id'] = df['transaction_id'].astype('category')
df['product_group'] = df['product_group'].astype('category')
使用编码制作稀疏矩阵:
arr = csr_matrix((df['ratings'].values,(df['transaction_id'].cat.codes,df['product_group'].cat.codes)))
然后您只需要跟踪轴的顺序(例如,df['transaction_id'].cat.categories
将为您提供应应用于行的标签)。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。