python序列预处理pad_sequences()

参考文章：https://blog.csdn.net/wcy23580/article/details/84957471
参考内容：https://blog.csdn.net/wcy23580/article/details/84873088

keras只能接受长度相同的序列输入。数据处理需要使用pad_sequences()，将序列转化为经过填充以后的一个长度相同的新序列。

语法结构：

keras.preprocessing.sequence.pad_sequences(sequences, 
	maxlen=None,
	dtype='int32',
	padding='pre',
	truncating='pre', 
	value=0.)

sequences：浮点数或整数构成的两层嵌套列表
maxlen：None或整数，为序列的最大长度。大于此长度的序列将被截短，小于此长度的序列将在后部填0.
dtype：返回的numpy array的数据类型
padding：‘pre’或‘post’，确定当需要补0时，在序列的起始还是结尾补`
truncating：‘pre’或‘post’，确定当需要截断序列时，从起始还是结尾截断
value：浮点数，此值将在填充时代替默认的填充值0

返回的是一个二维张量，其中序列长度均为maxlen

例子：
来源知乎：https://zhuanlan.zhihu.com/p/269884974

1.导入数据

from keras.datasets import imdb
from keras.preprocessing import sequence
(X_train, y_train), (X_test, y_test) = imdb.load_data()

2.查看第0篇文本长度和第10篇文本长度

3.使用pad_sequences()使各序列长度为400

# 使各序列长度都为400 
max_sequence_len = 400
X_train = sequence.pad_sequences(X_train, maxlen=max_sequence_len)

4.查看填充后的第0篇文本(默认前面补0)