在Tensorflow(或Tensorly)中将2D数据帧转换为多维张量

Question

我对python非常陌生，正在尝试更高维度的张量分解技术。但首先我需要将我的数据帧从2D数组转换为多维张量，我有点拘泥于如何做到这一点

我的数据帧如下：

Subject Cz  F7  F8...Pz Diagnosis Test  Time 
1       #   #   #    #    A        x     100 
1       #   #   #    #    A        x     200   
1       #   #   #    #    A        y     100
1       #   #   #    #    A        y     200
2       #   #   #    #    B        x     100
2       #   #   #    #    B        x     200
2       #   #   #    #    B        y     100
2       #   #   #    #    B        y     200

我想将其转换为秩3张量，其中：

Dimension 1: Channel (Cz F7 F8...Pz)
Dimension 2: Test    (x y)
Dimension 3: Time    (100 200)
and also turn Diagnosis into a predictor label

由于数据帧的设置方式，我不认为我可以只做label = df.pop('Diagnosis')，对吗？

提前感谢！

Answer 1

使用tf.reshape将二维数组转换为n维数组的简单方法。

示例

import tensorflow as tf
t = [[1, 2],
[4, 5],
[3,4],
[6,7]]
print(tf.shape(t).numpy())
tf.reshape(t, [2, 2, 2])

输出

[4 2]
<tf.Tensor: shape=(2, 2, 2), dtype=int32, numpy=
array([[[1, 2],
[4, 5]],
[[3, 4],
[6, 7]]], dtype=int32)>