【深度学习】从huggingface上加载数据集到本地并保存为csv文件

场景

想从huggingface上下载yelp数据集,并以csv格式保存到本地。

方法

1. git clone

首先通过git在线下载数据集的相关配置文件,git代理配置参考链接

终端上执行如下命令:

(1) git clone https://huggingface.co/datasets/yelp_review_full

#后面在windows上报错了,可以尝试如下命令应该就能安装成功
(2) git clone git@hf.co:datasets/yelp_review_full

执行完以上命令行,当前目录会出现如下文件:
在这里插入图片描述

2. 加载数据集到本地

from datasets import load_dataset
import datasets
dataset = load_dataset('yelp_review_full',trust_remote_code=True)
dataset.save_to_disk('./yelp') # 将数据集保存到./yelp路径下
dataset=datasets.load_from_disk("./yelp") #加载数据集

运行完以上代码,数据集加载到yelp路径下,以arrow文件格式呈现,具体目录如下
在这里插入图片描述

3.保存到csv文件中

因为不是很清楚huggingface相关函数的使用,也没找到合适的方法,因此我以一种比较呆板的方法,就是读取数据集再保存到csv文件中。代码如下

from datasets import load_dataset,load_from_disk
# 下载的数据集名称,
model_name = 'yelp_review_full'
# 数据集保存的路径
train_path = 'dataset/yelp/train'
test_path = 'dataset/yelp/test'

train_data = load_from_disk(train_path)
test_data = load_from_disk(test_path)
train_df = pd.DataFrame(train_data)
test_df = pd.DataFrame(test_data)

# 保存为CSV文件
train_df.to_csv("dataset/yelp/train.csv", index=False)
test_df.to_csv("dataset/yelp/test.csv", index=False)

4.补充

运行上述代码需要通过如下命令安装包

pip install matplotlib install transformers install dataset

如果有其他好的加载方式欢迎留言在评论中!

参考文章:
博文1
博文2
博文3

  • 7
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值