如何解决TensorFlow tf.data.Dataset - 基于日期/时间创建批次
我创建了以下 tensorflow 数据集对象,它是从从 zip 文件中提取的“txt”文件创建的,每个文件都包含数百万行,因此我将它们保存在 zip 文件中并提取了我需要使用 TF。
import tensorflow as tf
import pathlib
import os
import shutil
symbol = 'AAPL'
data_dir = pathlib.Path('files') / symbol
zip_files = sorted([f for f in data_dir.glob('*.zip')])
zip_file = zip_files[0]
tmp_file = tf.keras.utils.get_file(f"{zip_file.name}",f"file:{zip_file.absolute()}",extract=True,archive_format='zip',cache_subdir='backtest')
tmp_dir = pathlib.Path(tmp_file).parent
data_files = sorted([str(f) for f in tmp_dir.glob('*.txt')])
def preprocess(row):
row_data = tf.strings.split(row,',')
datetime,price,volume,_ = tf.unstack(row_data,num=4)
price = tf.strings.to_number(price,tf.float32)
volume = tf.strings.to_number(volume,tf.int32)
return datetime,volume
dataset = tf.data.TextLineDataset(data_files).map(preprocess)
for datetime,volume in dataset.take(10):
print(datetime.numpy(),price.numpy(),volume.numpy())
shutil.rmtree(tmp_dir)
我希望能够将数据分组到批次中,其中每个批次代表一个日历日,如日期时间列中所示,目前为 tf.string。
脚本的当前输出为:
b'2010-01-04 04:37:38:787' 212.48 100
b'2010-01-04 04:46:49:080' 212.48 100
b'2010-01-04 05:06:21:560' 212.66 100
b'2010-01-04 05:12:57:977' 212.67 100
b'2010-01-04 05:16:05:230' 212.8 100
b'2010-01-04 05:46:57:440' 212.58 100
b'2010-01-04 06:01:34:293' 212.7 100
b'2010-01-04 07:00:58:517' 212.29 100
b'2010-01-04 07:02:03:223' 212.88 100
b'2010-01-04 07:02:03:227' 212.88 200
如果有可能过滤时间也很好,那么最佳输出将是:
2020-01-01 09:30
...
...
2020-01-01 16:00
---NEW BATCH----
2020-01-02 09:30
...
...
2020-01-02 16:00
---NEW BATCH----
感谢您的帮助!
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。