0

Intenté crear la similitud del coseno entre dos columnas de un marco de datos con spatial.distance.cosine en otra columna usando estas dos funciones:

def cosine_sim(x):
    li = []
    for item in x["sent_emb"]:
        li.append(spatial.distance.cosine(item,x["quest_emb"][0]))
    return li

def predictions(train):

    train["cosine_sim"] = train.apply(cosine_sim, axis = 1)

Las dos columnas se ven así:

    sent_emb                                            quest_emb
0   [[0.030376578, 0.044331014, 0.081356354, 0.062...   [[0.01491953, 0.021973763, 0.021364095, 0.0393...
1   [[0.030376578, 0.044331014, 0.081356354, 0.062...   [[0.04444952, 0.028005758, 0.030357722, 0.0375...
2   [[0.030376578, 0.044331014, 0.081356354, 0.062...   [[0.03949683, 0.04509903, 0.018089347, 0.07667...
   ...

Sin embargo, obtuve un TypeError, parece que algunos valores sonNoneType y float. ¿Sabes cómo puedo filtrar los datos de este tipo para configurarlo en cero o algo que no me impida aplicar mis funciones?

El error completa esta:

TypeError: ("unsupported operand type(s) for *: 'NoneType' and 'float'", 'occurred at index 473')

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-23-af28fc11a9d3> in <module>()
----> 1 predicted = predictions(train)

<ipython-input-22-1699cf33d87c> in predictions(train)
      1 def predictions(train):
      2 
----> 3     train["cosine_sim"] = train.apply(cosine_sim, axis = 1)
      4     train["diff"] = (train["quest_emb"] - train["sent_emb"])**2
      5     train["euclidean_dis"] = train["diff"].apply(lambda x: list(np.sum(x, axis = 1)))

~/Documents/programming/mybot/mybotenv/lib/python3.5/site-packages/pandas/core/frame.py in apply(self, func, axis, broadcast, raw, reduce, result_type, args, **kwds)
   6012                          args=args,
   6013                          kwds=kwds)
-> 6014         return op.get_result()
   6015 
   6016     def applymap(self, func):

~/Documents/programming/mybot/mybotenv/lib/python3.5/site-packages/pandas/core/apply.py in get_result(self)
    140             return self.apply_raw()
    141 
--> 142         return self.apply_standard()
    143 
    144     def apply_empty_result(self):

~/Documents/programming/mybot/mybotenv/lib/python3.5/site-packages/pandas/core/apply.py in apply_standard(self)
    246 
    247         # compute the result using the series generator
--> 248         self.apply_series_generator()
    249 
    250         # wrap results

~/Documents/programming/mybot/mybotenv/lib/python3.5/site-packages/pandas/core/apply.py in apply_series_generator(self)
    275             try:
    276                 for i, v in enumerate(series_gen):
--> 277                     results[i] = self.f(v)
    278                     keys.append(v.name)
    279             except Exception as e:

<ipython-input-20-276aa09bc25e> in cosine_sim(x)
      2     li = []
      3     for item in x["sent_emb"]:
----> 4         li.append(spatial.distance.cosine(item,x["quest_emb"][0]))
      5     return li

~/Documents/programming/mybot/mybotenv/lib/python3.5/site-packages/scipy/spatial/distance.py in cosine(u, v, w)
    742     # cosine distance is also referred to as 'uncentered correlation',
    743     #   or 'reflective correlation'
--> 744     return correlation(u, v, w=w, centered=False)
    745 
    746 

~/Documents/programming/mybot/mybotenv/lib/python3.5/site-packages/scipy/spatial/distance.py in correlation(u, v, w, centered)
    693         u = u - umu
    694         v = v - vmu
--> 695     uv = np.average(u * v, weights=w)
    696     uu = np.average(np.square(u), weights=w)
    697     vv = np.average(np.square(v), weights=w)

TypeError: ("unsupported operand type(s) for *: 'NoneType' and 'float'", 'occurred at index 473')

Mis intentos

Por lo momento intenté :

train.fillna(0).astype(int)

pero me da :

ValueError: invalid literal for int() with base 10: 'Beyoncé Giselle Knowles-Carter (/biːˈjɒnseɪ/ bee-YON-say) (born September 4, 1981) is an American singer, songwriter, record producer and actress. Born and raised in Houston, Texas, she performed in

Y intenté :

np.where(train['sent_emb'].isnull(), 
        None,
        train['sent_emb'].fillna(0).astype(int))

pero la ultima linea da el error :

ValueError: setting an array element with a sequence.
10
  • ¿Has probado a hacer un if (type(item) == NoneType) or (type(item) == Float): y luego asignarle el valor que quieras?
    – XBoss
    Commented el 15 ago. 2018 a las 15:04
  • @XBoss No hay un método específico para dataframes? Commented el 15 ago. 2018 a las 15:06
  • A mi me suena ese métofo en frameworks como numpy y pandas. ¿Utilizas algunos?
    – XBoss
    Commented el 15 ago. 2018 a las 15:14
  • También puedes utilizar: if item is None or item in Float:
    – XBoss
    Commented el 15 ago. 2018 a las 15:15
  • @XBoss Si, acabo de agregar mis intentos fallidos. Commented el 15 ago. 2018 a las 15:19

1 respuesta 1

0

Como reportado por Sergey Gornostaev, para evitar None, puedo hacer eso:

def cosine_sim(x):
    li = []

    for item in x["sent_emb"]:
        sent_emb = item if item is not None else 0
        quest_emb = x["quest_emb"][0] if x["quest_emb"][0] is not None else 0
        li.append(spatial.distance.cosine(sent_emb, quest_emb))
    return li

Pero eso me lleva a este nuevo error y no sé si se tiene en cuenta los float.

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.