Я использую nltk corpus movie_reviews, где много документов. Моя задача - получить прогностическую производительность этих обзоров с предварительной обработкой данных и без предварительной обработки. Но есть проблемы, в списках documents и documents2 у меня есть те же документы, и мне нужно перетасовать их, чтобы сохранить одинаковый порядок в обоих списках. Я не могу перетасовать их отдельно, потому что каждый раз, когда я перетасовываю список, получаю другие результаты. Вот почему мне нужно немедленно перетасовать тот же порядок, потому что мне нужно сравнить их в конце (это зависит от порядка). Я использую python 2.7
Пример (в реале строки обозначены, но не относительны):
documents = [(['plot : two teen couples go to a church party , '], 'neg'),
(['drink and then drive . '], 'pos'),
(['they get into an accident . '], 'neg'),
(['one of the guys dies'], 'neg')]
documents2 = [(['plot two teen couples church party'], 'neg'),
(['drink then drive . '], 'pos'),
(['they get accident . '], 'neg'),
(['one guys dies'], 'neg')]
И мне нужно получить этот результат после перетасовки обоих списков:
documents = [(['one of the guys dies'], 'neg'),
(['they get into an accident . '], 'neg'),
(['drink and then drive . '], 'pos'),
(['plot : two teen couples go to a church party , '], 'neg')]
documents2 = [(['one guys dies'], 'neg'),
(['they get accident . '], 'neg'),
(['drink then drive . '], 'pos'),
(['plot two teen couples church party'], 'neg')]
У меня есть этот код:
def cleanDoc(doc):
stopset = set(stopwords.words('english'))
stemmer = nltk.PorterStemmer()
clean = [token.lower() for token in doc if token.lower() not in stopset and len(token) > 2]
final = [stemmer.stem(word) for word in clean]
return final
documents = [(list(movie_reviews.words(fileid)), category)
for category in movie_reviews.categories()
for fileid in movie_reviews.fileids(category)]
documents2 = [(list(cleanDoc(movie_reviews.words(fileid))), category)
for category in movie_reviews.categories()
for fileid in movie_reviews.fileids(category)]
random.shuffle( and here shuffle documents and documents2 with same order) # or somehow
Вы можете сделать это как:
import random
a = ['a', 'b', 'c']
b = [1, 2, 3]
c = list(zip(a, b))
random.shuffle(c)
a, b = zip(*c)
print a
print b
[OUTPUT]
['a', 'c', 'b']
[1, 3, 2]
Конечно, это был пример с более простыми списками, но адаптация будет одинаковой для вашего случая.
Надеюсь, это поможет. Удачи.
Я получаю простой способ сделать это
import numpy as np
a = np.array([0,1,2,3,4])
b = np.array([5,6,7,8,9])
indices = np.arange(a.shape[0])
np.random.shuffle(indices)
a = a[indices]
b = b[indices]
# a, array([3, 4, 1, 2, 0])
# b, array([8, 9, 6, 7, 5])
Перемешивать произвольное количество списков одновременно.
from random import shuffle
def shuffle_list(*ls):
l =list(zip(*ls))
shuffle(l)
return zip(*l)
a = [0,1,2,3,4]
b = [5,6,7,8,9]
a1,b1 = shuffle_list(a,b)
print(a1,b1)
a = [0,1,2,3,4]
b = [5,6,7,8,9]
c = [10,11,12,13,14]
a1,b1,c1 = shuffle_list(a,b,c)
print(a1,b1,c1)
Выход:
$ (0, 2, 4, 3, 1) (5, 7, 9, 8, 6)
$ (4, 3, 0, 2, 1) (9, 8, 5, 7, 6) (14, 13, 10, 12, 11)
Примечание:
объекты, возвращаемые shuffle_list(), являются tuples.
P.S.
shuffle_list() также может применяться к numpy.array()
a = np.array([1,2,3])
b = np.array([4,5,6])
a1,b1 = shuffle_list(a,b)
print(a1,b1)
Выход:
$ (3, 1, 2) (6, 4, 5)
from sklearn.utils import shuffle
a = ['a', 'b', 'c','d','e']
b = [1, 2, 3, 4, 5]
a_shuffled, b_shuffled = shuffle(np.array(a), np.array(b))
print(a_shuffled, b_shuffled)
#['e' 'c' 'b' 'd' 'a'] [5 3 2 4 1]
Простой и быстрый способ сделать это - использовать random.seed() с random.shuffle(). Это позволяет генерировать один и тот же случайный порядок столько раз, сколько вы хотите. Это будет выглядеть так:
a = [1, 2, 3, 4, 5]
b = [6, 7, 8, 9, 10]
seed = random.random()
random.seed(seed)
a.shuffle()
random.seed(seed)
b.shuffle()
print(a)
print(b)
>>[3, 1, 4, 2, 5]
>>[8, 6, 9, 7, 10]
Это также работает, когда вы не можете работать с обоими списками одновременно из-за проблем с памятью.
Вы можете использовать второй аргумент функции тасования, чтобы исправить порядок перетасовки.
В частности, вы можете передать второй аргумент функции тасования функции нулевого аргумента, которая возвращает значение в [0, 1). Возвращаемое значение этой функции фиксирует порядок перетасовки. (По умолчанию, если вы не передаете какую-либо функцию в качестве второго аргумента, она использует функцию random.random(). Вы можете увидеть ее по строке 277 здесь.)
В этом примере показано, что я описал:
import random
a = ['a', 'b', 'c', 'd', 'e']
b = [1, 2, 3, 4, 5]
r = random.random() # randomly generating a real in [0,1)
random.shuffle(a, lambda : r) # lambda : r is an unary function which returns r
random.shuffle(b, lambda : r) # using the same function as used in prev line so that shuffling order is same
print a
print b
Вывод:
['e', 'c', 'd', 'a', 'b']
[5, 3, 4, 1, 2]