Question

我需要解压缩pkl文件，但是由于我对泡菜和大熊猫不熟悉，因此很难做到这一点。

pkl文件的内容类似于：

           //prevent Owner to be saved (again)
            db.Entry(stockItem.Owner).State = EntityState.Unchanged;

          //prevent article to be saved (again)  
           db.Entry(stockItem.ArticleItem).State = EntityState.Unchanged;

            db.Stocks.Add(stockItem);

           //now just the properties (-> dbset of the stockItem get´s saved)
            await db.SaveChangesAsync();
            return RedirectToAction("Index");

我需要获取单词和每个单词的实值向量，并创建一个csv文件... csv文件的内容必须类似于：

{
'woodi': array([-0.07377538,  0.01810472,  0.03796827, -0.01185564, -0.12605625,
   -0.03709966,  0.07863396,  0.04245366, -0.09158159, -0.01418831,
   -0.03165198, -0.01235643,  0.00833164, -0.08156401, -0.10466748,
    0.11343367, -0.1291647 ,  0.02277501, -0.12230705,  0.08400519,
    0.01631752, -0.03204752, -0.10115118,  0.01796065, -0.08914784,
    0.00336748,  0.02858992,  0.13387977, -0.01711662, -0.05058149,
    0.09866285,  0.00623399, -0.11368696,  0.03389056,  0.03049786,
   -0.11235228,  0.03964651,  0.18348881,  0.00356622, -0.09299972,
    0.11804404,  0.10598116,  0.04603285,  0.10211086, -0.07094006,
    0.19667923, -0.22645354, -0.02930884, -0.21891772, -0.07495865]),
'bad-boy': array([-0.01525861, -0.0145514 ,  0.02207321,  0.01273549,  0.0034881 ,
       -0.00045474,  0.01104943,  0.00057228, -0.01515725,  0.00329882,
        0.01570324, -0.03927545,  0.00393151,  0.00355666, -0.00503297,
       -0.01088151, -0.0354947 , -0.010477  , -0.01945165,  0.0312498 ,
        0.00195288, -0.03095445, -0.00803227,  0.02864361, -0.01416729,
        0.00375061,  0.00546439,  0.03621898,  0.01337988, -0.03205173,
        0.00451094,  0.02180656, -0.02587242, -0.01276209,  0.02721113,
       -0.00075289, -0.00218841,  0.00531534, -0.0074188 ,  0.00312647,
        0.00424174,  0.02444418,  0.0222739 , -0.00477895,  0.02220114,
        0.03402764, -0.02423164,  0.00724037, -0.03526915,  0.01470344]),
...
}

我已经尝试过以下python代码：

woodi -0.07377538 0.01810472 ... -0.07495865
bad-boy -0.01525861 -0.0145514 ... 0.01470344

但是我收到以下错误消息：

import pickle
import pandas as pd

fin = 'SGlove.pkl'
fout = 'SGlove.csv'

words, embeddings = pickle.load(open(fin, 'rb'), encoding='latin1')

m, n = embeddings.shape
print("Emebddings contains {} words embedded as vectors of length {}".format(m, n))

df = pd.DataFrame(embeddings)
df.insert(0, "word", words)
df.to_csv(fout, header=False, index=False, sep=" ")

Answer 1

我认为问题在于pickle.load()返回一个Python字典，这就是ValueError的原因。

我使用提供链接的SGlove.pkl文件对此进行了测试，并且前提是正确的，但是pickle.load()返回的字典中似乎没有对应于以下内容的键： 'embeddings'，所以这使我无法做进一步的事情。

无论如何，下面显示的代码通常显示如何从load()返回的值中提取（我最初认为）想要的两个值。请描述字典中与enbeddings相对应的内容吗？

注意：：我已上传了要返回的字典中的键的列表，这是link到文本文件。

import pickle

fin = 'SGlove.pkl'

data_dict = pickle.load(open(fin, 'rb'), encoding='latin1')

words = data_dict['woodi']
embeddings = data_dict['embeddings'] # -> KeyError: 'embeddings'

Answer 2

马提瑙（Martineau）大部分都在那里。 pickle.load（）返回一个字典，您需要做一些额外的工作才能得到单词和嵌入。

您可以从

开始

import pickle

fin = 'SGlove.pkl'

data_dict = pickle.load(open(fin, 'rb'), encoding='latin1')

然后给出单词列表

word_list = list(data_dict.keys())

然后您可以使用

获取相应的嵌入列表

embedding_list = [data_dict[word] for word in word_list]

如果所有单词都需要一个2D嵌入数组，则需要在embedding_list上使用np.concatenate或类似的东西才能得到一个。例如，如果您希望嵌入的形状为[n_words, len_vector]（如您所愿），则可以使用

embeddings = np.concatenate([item[None, :] for item in embedding_list], axis=0)

如何解压缩pkl文件？

2 个答案: