GNN模型输入数据处理方法

提示：参考上一篇文章：图神经网络GNN实践入门

---

前言

• 本篇是基于torch_geometric对图神经网络的进一步实践，将真实数据集处理成模型需要的格式。
• 可以将这种思想应用到处理自己的数据集上。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、数据集简介

• 一个商品购买数据集
• yoochoose-clicks：表示用户的浏览行为，其中一个session_id就表示一次登录都浏览了什么商品。
• item-id：表示该用户所浏览的商品，其中yoochoose-buys描述了他最终是否会购买，相当于标签。
• 数据集下载网址：https://www.kaggle.com/datasets/chadgostopp/recsys-challenge-2015

二、数据处理方法

1.引入库

代码如下（示例）：

import os
import pandas as pd
from sklearn.preprocessing import LabelEncoder
import torch
from torch_geometric.data import InMemoryDataset, Data
from tqdm import tqdm

• LabelEncoder：用于将分类变量（如‘item_id’）转换为数字编码。
• torch 和 torch_geometric.data：用于处理和定义图数据结构。
• tqdm：用于显示进度条。

2、数据集基本预处理

1）读取文件

from sklearn.preprocessing import LabelEncoder
import pandas as pd

df = pd.read_csv('yoochoose-clicks.dat', header=None)
df.columns = ['session_id', 'timestamp', 'item_id', 'category']

buy_df = pd.read_csv('yoochoose-buys.dat', header=None)
buy_df.columns = ['session_id', 'timestamp', 'item_id', 'price', 'quality']
#对‘item_id’列进行编码
item_encoder = LabelEncoder()
df[