Python 2.7 Python生成器:无法生成多个文件
我有一个包含65000份文档及其内容的文件。我把这个文件分成两个数据集,一个是训练数据集,另一个是测试数据集。我想按行数将训练数据集分解成小文件,然后训练我的模型,但代码只生成第一个分解,并继续生成。很可能,我每次都在消耗用过的发电机。我已经在下面发布了代码以供参考。任何改进或逻辑错误发现都将受到广泛赞赏。谢谢 创建培训和测试数据集的代码:Python 2.7 Python生成器:无法生成多个文件,python-2.7,generator,yield-return,Python 2.7,Generator,Yield Return,我有一个包含65000份文档及其内容的文件。我把这个文件分成两个数据集,一个是训练数据集,另一个是测试数据集。我想按行数将训练数据集分解成小文件,然后训练我的模型,但代码只生成第一个分解,并继续生成。很可能,我每次都在消耗用过的发电机。我已经在下面发布了代码以供参考。任何改进或逻辑错误发现都将受到广泛赞赏。谢谢 创建培训和测试数据集的代码: fo = open('desc_py_output.txt','rb') def generate_train_test(doc_iter,size):
fo = open('desc_py_output.txt','rb')
def generate_train_test(doc_iter,size):
while True:
data = [line for line in itertools.islice(doc_iter, size)]
if not data:
break
yield data
for i,line in enumerate(generate_train_test(fo,50000)):
if(i==0):
training_data = line
else:
test_data = line
现在,我尝试使用以下代码创建5000个文档的小文件:
def generate_in_chunks(doc_iter,size):
while True:
data = [line for line in itertools.islice(doc_iter, size)]
if not data:
break
yield data
for i,line in enumerate(generate_in_chunks(training_data,5000)):
x = [member.split('^')[2] for member in line]
y = [member.split('^')[1] for member in line]
print x[0]
这是一次又一次地打印相同的文档。函数
生成训练测试
生成列表,因此在生成块
函数中,doc iter
是一个列表,而不是迭代器。列表不会被使用,因此islice
将始终从头开始。在开始时确保doc\u iter
是迭代器,然后它就会工作。而且,似乎您可以对这两个应用程序使用相同的函数
def chunkify(doc_iter, size):
doc_iter = iter(doc_iter) # make sure doc_iter really is an iterator
while True:
data = [line for line in itertools.islice(doc_iter, size)]
if not data:
break
yield data
或者,您可以返回一个生成器而不是一个列表,但只有在生成下一个生成器之前使用该生成器(否则将进入无限循环)时,这才有效。在这种情况下,你可以使用