Buevara的博客

在这个例子中，我们定义了一个名为Point的类，它有两个属性：x和y。因此，我们可以直接print(Point(1, 2))，它会打印出Point(x=1, y=2)。它是一个工具，用于自动添加特殊方法到用户定义的类中，如__init__ ，__repr__等方法。因此，我们可以直接使用Point(1, 2)创建一个新的Point对象，而不需要手动写__init__方法。因此，我们可以直接使用Point(1, 2) == Point(1, 2)，它会返回True。

无

无

无

突发奇想，想看pytorch中某个变量更新状态，在model初始化时：emb = []# 初始化模型参数for i,model in enumerate(models): for j,param in enumerate(model.parameters()): if i==0 and j==1: emb = param print("************",emb.shape)在模型反向传播后

大家都见过 [x for x in L ]可能没见过 [i for x in L]positive_pairs = [(1,2),(3,4),(5,6),(7,8),(70,80)]negtive_pairs = [(10,20),(30,40),(50,60),(70,80)]print([i for x in positive_pairs])结果： [range(0, 4), range(0, 4), range(0, 4), range(0, 4), range(0, 4)]p

前提条件1.cx_Oracle包 下载地址2.oracle install client 下载链接安装步骤安装cx_Oraclecx_Oracle的下载需要对应自己的python版本如何查看python版本import sysprint(sys.version)我的是py3.6 故下载 ——>cx_Oracle-8.2.1-cp36-cp36m-manylinux1_x86_64传到服务器上后，打开anaconda的目录即XXXX/anaconda3/bin 下./p

scala参考用字典代替变量，想调用变量 用key来代替：val strMap = scala.collection.mutable.Map[String, Int]()for(j<-0 until 5) strMap+=(s"a${j}"->j*100)println(strMap("a1"))结果： 100python参考Python中的locals 方法createVar = locals()listTemp = range(1,10)for i,.

来源于： Kaggle Lending Club Loan Data数据可视化分析与不良贷款预测#对特征缺失值的处理计算特征缺失值比例的函数:def draw_missing_data_table(data): total = data.isnull().sum().sort_values(ascending=False) percent = (data.isnull().sum() / data.shape[0]).sort_values(ascending=False) m

官方API显然，这三个函数都是从tf.keras.layers.Layer处继承而来的。_init_ 可以在其中进行所有与输入无关的初始化build 知道输入张量的形状，并可以进行其余的初始化call 可以在其中进行前向计算官方API的例子：class MyDenseLayer(tf.keras.layers.Layer): def __init__(self, num_outputs): super(MyDenseLayer, self).__init__() sel

iterrows(), iteritems(), itertuples()对dataframe进行遍历iterrows(): 将DataFrame迭代为(insex, Series)对。itertuples(): 将DataFrame迭代为元祖。iteritems(): 将DataFrame迭代为(列名, Series)对参考做梦当财神 的博客

def trans_dic_2_matrix(dic): return DataFrame(dic).T.fillna(0)dic = {"1": {"2":3}, "2": {"3":1}}dd = trans_dic_2_matrix(dic)dd.head()结果： 2 31 3.0 0.02 0.0 1.0dict的setdefault方法：参考：python 教程

sns.set_style(“whitegrid”)必须注释或删除 否则改任何配置都是错的(都是血泪的教训)import seaborn as snssns.set_style({'font.sans-serif':['SimHei']})plt.rcParams ['font.sans-serif'] = ['SimHei'] #Used to display Chinese labels normallyplt.rcParams ['axes.unicode_minus'] = Fal.

# XX为df格式 train特征表feature_names = XX.columns.tolist()feature_names = np.array(feature_names)feature_importances = clf.feature_importances_indices = np.argsort(feature_importances)[::-1]x = feature_importances[show_indices],y=feature_names[indices]

做实验时到的问题：'feature_embeddings:0' not found in checkpoint当时的实验室分别训练modelA和modelB，再将B模型的参数载入到A中，具体如下图所示：modelA中包含modelB中所有参数，可以将modelA中参数载入ModelB，但是反过来则报错，具体载入语句为：# 存储saver = tf.train.Saver(max_to_keep=5) saver.save(self.sess, self.save_path + 'model.

keras中没有对AUC的定义，需要我们自己定义：x = np.linspace(-6, 6, 200)y = np.array([0.0]*100 + [1.0]*100)state = np.random.get_state()np.random.shuffle(x)np.random.set_state(state)np.random.shuffle(y)x_train, y_train = x[0:160], y[0:160]plt.scatter(x_train, y_trai

转载自： https://www.cnblogs.com/LiuXinyu12378/p/12390055.html方法一： np.random.shuffle （无返回值，直接打乱原列表）train = np.array([1,2,3,4,5])label = np.array([0,1,2,3,4])state = np.random.get_state()np.random.shuffle(train)np.random.set_state(state)np.random.shuf

原文链接：https://blog.youkuaiyun.com/lanchunhui/article/details/50354978numpy的ravel() 和 flatten()函数简介首先声明两者所要实现的功能是一致的（将多维数组降位一维）。这点从两个单词的意也可以看出来，ravel(散开，解开)，flatten（变平）。两者的区别在于返回拷贝（copy）还是返回视图（view），numpy.flatten()返回一份拷贝，对拷贝所做的修改不会影响（reflects）原始矩阵，而numpy.ravel(

很多人认为python中的字典是无序的，因为它是按照hash来存储的，但是python中有个模块collections(英文，收集、集合)，里面自带了一个子类OrderedDict，实现了对字典对象中元素的排序。使用OrderedDict会根据放入元素的先后顺序进行排序。所以输出的值是排好序的。import collectionsprint("Regular dictionary")d={}d['a']='A'd['b']='B'd['c']='C'd['1'] = '1'for k,v

numpy.dtype.kinddtype.kindA character code (one of ‘biufcmMOSUV’) identifying the general kind of data.b booleani signed integeru unsigned integerf floating-pointc complex floating-pointm timedeltaM datetimeO objectS (byte-)stringU Un

import numpy as nplist1 = np.array([4,1,5,8,7,9,2])list2 = np.array(["44","11","55","88","77","99","22"])# 需要从大到小 加上[::-1] sort_1 = np.argsort(list1)[::-1]res = list2[sort_1]print(res)结果：['99' '88' '77' '55' '44' '22' '11']...

1、两个列表转换list1 = [‘key1’,‘key2’,‘key3’]list2 = [‘1’,‘2’,‘3’]把他们转为这样的字典：{‘key1’:‘1’,‘key2’:‘2’,‘key3’:‘3’}ist1 = ['key1','key2','key3']list2 = ['1','2','3']dict(zip(list1,list2)){'key1':'1','key2':'2','key3':'3'}2、嵌套列表转换有两种方法new_list= [['key1',

def calculateIV(train_data,label_columnName): ''' @description @param label_columnName: column name of label @return train_data: pd.DataFrame，include label test_data: pd.DataFrame ''' import math print("calcul

import pandas as pd### d 传入是浅拷贝 只拷贝数据地址 而不是数据 当运行完d[cname] = d[cname].map(dic) 输入的d已经改变 就算没有返回值，函数外的d也发生了改变def string2index(d, cname_list): #空值不进行编号 for cname in cname_list: counts = d[cname].value_counts() s = counts.index.toli

pearson相关系数计算函数data.corr()该方法支持空值：np.nanimport seaborn as snsimport numpy as npimport matplotlib.pyplot as pltdata = pd.DataFrame({"A":[np.nan,2,9], "B":[4,14,6], "c":[987,8,9]})f, ax= plt.subplots(figsize = (14, 10))corr = data.corr()# print(

1.皮尔森相关系数参考文档：https://www.zhihu.com/question/208520042.方差膨胀因子图片来源：http://sofasofa.io/forum_main_post.php?postid=1000484R²称为可决系数(Coefficient of determination)。复相关系数Ri等于：（来源百度百科）3.二者区别皮尔森相关系数：复相关系数R：图片来源：https://zhuanlan.zhihu.com/p/37605060皮尔森

计算WoE指标时：import numpy as npimport mathimport pandas as pddf_min_max_bin["ok"] = ((df_min_max_bin["nums_label_1"]+1)/sum_label_1)/((df_min_max_bin["nums_label_0"]+1)/sum_label_0) df_min_max_bin["WoE"] = math.log(df_min_max_bin["ok"])结果报错：T

1. mn = ab.append(cd)ab = pd.DataFrame({"aa":[1,2,3,np.nan,np.nan],"bb":[11,22,33,44,55]})print(ab)cd = pd.DataFrame({"aa":[1,2,5,123,4546],"bb":[11,22,55,111,222]})print(cd)mn = ab.append(cd, ignore_index = True)print(mn)一定要写等式，因为append后不是覆盖ab 而是

pandas判断df中某个值是否为空正确使用：pd.notnull(s.iloc[1,1])错误方法：1. s.iloc[1,1].empty2.s.iloc[1,1].isnull()3.s.iloc[1,1]==np.nanpandas中c列值取决于 a,b两列例子中 bb列取决于 cc和a这两列deo = pd.DataFrame({"a":[1,2,3,np.nan,5],"bb":[0,0,0,0,0], "cc":[22,22,22,22,22]})deo.head()

# 天数>=15 label 为1# 天数<15 label 为0f = lambda s: 1 if s["天数"]>=15 else 0## 如果只想设置 大于阈值 小于阈值 取本身值f = lambda s: 1 if s["天数"]>=15 else s["天数"]result["label"] = result.apply(f, axis=1)result["label"].value_counts()...

整表保留两位小数方法import numpy as npimport pandas as pdformat="{0:.02f}".format# 或者#format = lambda x:'%.2f' % xx = x.applymap(format)x.head()注意：***通过此步骤后，所有列属性均变为object (str类型) ***

错误做法：lists = [[]] * 3lists[0].append(3)[[3], [3], [3]]正确做法：lists = [[] for i in range(3)]lists[0].append(3)lists[1].append(5)lists[2].append(7)[[3], [5], [7]]https://www.cnblogs.com/PyLe...

1. 不包含某一个特征#取p_feature中不包含列名为index 的所有列p_feature = p_feature.iloc[:, p_feature.columns != "index"]2.不包含多个特征拓展： 选取某一列中等于或不等于某个值的dfisin()参考1：https://www.cnblogs.com/nxf-rabbit75/p/10105271.h...

ValueError: Input contains NaN, infinity or a value too large for dtype(‘float64’).检查：https://blog.youkuaiyun.com/yi976263092/article/details/87878112

#等频分箱def frequencybox(demo, name, new_name, n): demo["tmp"] = pd.qcut(demo[name],n) group_by_age_bin = demo.groupby(["tmp"],as_index=True) df_min_max_bin = pd.DataFrame()#用来记录每个箱体的最大...

#利用泰坦尼克数据data.head() PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S1 ...

1.pandas修改列类型使用astype如下：df[[column]] = df[[column]].astype(type)-2.

在处理数据时NAN值是非常常见的，但是NaN值你真的了解吗？下面让楓尘君带大家了解一下这个神奇的NAN在csv表格中长这样：在python里展示为这样：我们创建这个值时是这样：import numpy as npnp.nan但是想判断是否是np.nan还真是有点难度：a=np.nanprint(a==np.nan)结果是Falseprint(a.equal(np.na...

pandas从dataframe中获取值可以用:import numpy as npfrom pandas import Series, DataFrameimport pandas as pddf = DataFrame({'CST_NO': [11, 22, 11, 22, 11, 22], 'AMOUNT': [10, 20, 30, np.nan...

假设有两个lista = [2,3,1,5]b = [“b”, “c”, “a”, “e”]想为a生序排列变为：sorta=[1,2,3,5]希望b对应变为：sortb=[“a”,“b”, “c”, “e”]处理方案：list1, list2 = (list(t) for t in zip(*sorted(zip(list1, list2))))或者：from opera...