拥有50000个用户的DF，每个用户都有不同的行数：
id feature_1 ... feature10 feature11
0 1587712104294-4384584 -0.661835 ... -1.768028 -0.38924
1 1587712104294-4384584 -0.661835 ... -1.709090 -0.38924
---- User 2 starts here ----
2 1587712104294-1234584 -0.661835 ... -1.708693 -0.38924
3 1587712104294-1234584 -0.661835 ... -1.627594 -0.38924
4 1587712104294-1234584 -0.653476 ... -1.329767 -0.38924
我正在使用以下代码创建tf.ragged.constant:
x_np_values = data.values
# take all columns beside the id column and use the id to group arrays
X = np.split(x_np_values[:,1:], np.unique(x_np_values[:, 0], return_index=True)[1][1:])
X = tf.ragged.constant(X)
该代码删除id列并创建用户行的不规则常量。然而，这只适用于数据的一小部分。对于整个数据集来说，它需要很长时间，有时还会使我的机器崩溃。
按id分组并从其余列中创建一个不规则常量的正确方法是什么？
我发现这种方法在创建一个不规则常数时要快得多：
def get_ragged_constants(data):
return tf.RaggedTensor.from_row_lengths(
values=data.values,
row_lengths=data.groupby('GROUP_ID').size())