代码拉取完成,页面将自动刷新
# !/usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:yanqiang
@File: data_loader.py
@Time: 2018/11/30 16:47
@Software: PyCharm
@Description:
"""
import pandas as pd
import numpy as np
def load_atec():
"""
加载atec的数据集
:return:
"""
train = pd.read_table('input/atec/atec_nlp_sim_train.csv', header=None,encoding='utf-8-sig') # (39346, 4)
train.columns = ['line_num', 'q1', 'q2', 'label']
train_add = pd.read_table('input/atec/atec_nlp_sim_train_add.csv', header=None,encoding='utf-8-sig')
train_add.columns = ['line_num', 'q1', 'q2', 'label']
train = pd.concat([train, train_add], axis=0) # 按列 (102477, 4)
return train
# load_atec()
def load_ccks():
"""
读取ccks数据集
:return:
"""
train = []
# 直接使用pandas读取train报错,估计是数据集里面分隔符不一致
with open('input/ccks/task3_train.txt', 'r', encoding='utf-8') as train_file:
for line in train_file:
if len(line.strip().split('\t')) == 3:
train.append(line.strip().split('\t'))
else:
print(line)
train = pd.DataFrame(train)
train.columns = ['q1', 'q2', 'label']
train.label = train.label.astype('int')
# 读取验证集
dev = pd.read_table('input/ccks/task3_dev.txt', sep='\t',header=None)
dev.columns = ['line', 'q1', 'q2']
dev.drop(columns='line',inplace=True)
dev.label = np.nan
# 读取测试集
test = pd.read_table('input/ccks/test_with_id.txt', sep='\t',header=None)
test.columns = ['line', 'q1', 'q2']
test.drop(columns='line',inplace=True)
test['label'] = np.nan
return train,dev,test # (100000, 3) (9999, 3) (109999, 3)
# load_ccks()
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。