Невозможно преобразовать данные из файла CSV в sklearn

Question

Я пытаюсь выучить некоторую классификацию в Scikit-learn. Однако я не мог понять, что означает эта ошибка.

import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer

data_frame = pd.read_csv('data.csv', header=0) 
data_in_numpy = data_frame.values 

c = CountVectorizer()
c.fit_transform(data_in_numpy.data)

Это выдает ошибку:

NotImplementedError: multi-dimensional sub-views are not implemented

Как я могу обойти эту проблему? Одна запись из моего CSV-файла выглядит так:

Time   Directors    Actors   Rating   Label
123    Abc, Def     A, B,c    7.2      1

Я полагаю, эта ошибка связана с тем, что в столбце "Директора" или "Актеры" указано более одного значения. Любая помощь будет оценена. Спасибо,

Answer 1

Согласно строке документации, sklearn.feature_extraction.text.CountVectorizer будет:

Преобразование коллекции текстовых документов в матрицу подсчета токенов

Тогда почему, интересно, вы вводите числовые значения?

Попробуйте преобразовать только строки (режиссеры и актеры):

data_in_numpy['X'] = data_frame[['Directors', 'Actors']].apply(lambda x: ' '.join(x), axis=1)
data_in_numpy = data_frame['X'].values

Во-первых, вы можете очистить данные, удалив запятые.

data_frame['Directors'] = data_frame['Directors'].str.replace(',', ' ')
data_frame['Actors'] = data_frame['Actors'].str.replace(',', ' ')