如果您已正确清理数据
Posted: Tue Dec 24, 2024 6:53 am
经过这次清理，我原来的 all_inlinks.csv 文件从 50 多 MB（包含 136,873 行）缩小到了 2 MB（包含 11,338 行和 4 列）。
步骤 5：将向量嵌入转换为有用信息（即相关 URL）
访问 Google Colab
为了处理向量嵌入，我使用了 Google Colab。我这样做了：访问由 Gus Pelogia 创建的Google Colab 笔记本，然后单击“文件”>“在云端硬盘中保存副本”。此笔记本本质上是浏览器中运行的 Python，因此您无需安装任何东西。
接下来，我获得了 Gus 的 Python 脚本的副本，该脚本使用 Pandas、Numpy 和 Scikit-learn 来处理我使用 Screaming Frog 和 OpenAI API 生成的 file.csv。
运行脚本
并且 CSV 文件的命名和格式正确，则您应该能够：
按下 Colab 笔记本中的“播放”按钮。
Google Colab 笔记本界面 阿根廷电话号码库 的屏幕截图，其中运行用于处理向量嵌入的 Python 脚本
上传您的 file.csv 文件（包含“URL”和“Embeddings”列的文件）。
屏幕截图显示了在 Google Colab 中启动脚本后在何处选择 CSV 文件。
等待其处理，不要离开浏览器窗口。
屏幕截图显示 Google Colab 脚本已完成 50%。
排除错误
通常会出现一些问题。但不用担心，点击“解释错误”通常会指导您进行修复。
错误解释帮助我弄清楚我需要打开 CSV 文件并查找嵌入列中的异常情况。结果发现有一个空白单元格。在此阶段可能导致错误的其他示例包括：额外的列 错误的文件名 错误的列名 嵌入列中的错误数据（如果您对列进行排序并查看它，您会发现它）。
错误解释帮助我弄清楚了我需要打开 CSV 文件并查找 Embeddings 列中的异常。结果发现有一个空白单元格。
步骤 5：将向量嵌入转换为有用信息（即相关 URL）
访问 Google Colab
为了处理向量嵌入，我使用了 Google Colab。我这样做了：访问由 Gus Pelogia 创建的Google Colab 笔记本，然后单击“文件”>“在云端硬盘中保存副本”。此笔记本本质上是浏览器中运行的 Python，因此您无需安装任何东西。
接下来，我获得了 Gus 的 Python 脚本的副本，该脚本使用 Pandas、Numpy 和 Scikit-learn 来处理我使用 Screaming Frog 和 OpenAI API 生成的 file.csv。
运行脚本
并且 CSV 文件的命名和格式正确，则您应该能够：
按下 Colab 笔记本中的“播放”按钮。
Google Colab 笔记本界面 阿根廷电话号码库 的屏幕截图，其中运行用于处理向量嵌入的 Python 脚本
上传您的 file.csv 文件（包含“URL”和“Embeddings”列的文件）。
屏幕截图显示了在 Google Colab 中启动脚本后在何处选择 CSV 文件。
等待其处理，不要离开浏览器窗口。
屏幕截图显示 Google Colab 脚本已完成 50%。
排除错误
通常会出现一些问题。但不用担心，点击“解释错误”通常会指导您进行修复。
错误解释帮助我弄清楚我需要打开 CSV 文件并查找嵌入列中的异常情况。结果发现有一个空白单元格。在此阶段可能导致错误的其他示例包括：额外的列 错误的文件名 错误的列名 嵌入列中的错误数据（如果您对列进行排序并查看它，您会发现它）。
错误解释帮助我弄清楚了我需要打开 CSV 文件并查找 Embeddings 列中的异常。结果发现有一个空白单元格。