Infontokod

Lägga rader till pandas dataframe

Innan kunde man tydligen använda den smidiga notationen

pos_vectors = embeddings.loc[pos_words].dropna()

för att skapa en df pos_vectors genom att "slå upp" pos_words i dataframen embeddings, och så togs helt enkelt inte vissa rader med om det inte fanns nån motsvarighet till ett av orden.

Det går inte längre. Men man kan göra så här:

def add_embeddings (word_list):
    df = pd.DataFrame(columns = range(300))
    for item in word_list:
        try: 
            df.loc[item] = embeddings.loc[item]
            # print (item)
        except: KeyError; print ('error', item)
    return df

maskininlärning, python

Dubbla översättningar

Input är två kolumner från en data frame eller liknande.

Problemet är att det i col1 kan finnas items som motsvaras av olika översättningar i col2

Man får tillbaka alla items som har mer än en motsvarighet i col2

def duplicate_translations (col1, col2):
    dub_list = zip(col1, col2)
    orDict = defaultdict(list) 
    for key, val in dub_list: 
        orDict[key].append(val) 
    rensat = {key:set(value) for (key,value) in orDict.items() if len(set(value))>1} 
    return rensat

Obs defaultdict(list) som gör att man kan ha ett dict med en lista av värden.

Och att zip blir en tuple som man anger som (key, value) i dict comprehension längre ner.

infontokod, infontology, python