2017.05.23回顾 python引用赋值 reset_index pd.concat

这两天实在是太忙，甚至都忽略了写博客，今天把23和24的博客补起来，节奏不能乱，不管多忙，老子都要写博客，磨刀不费砍柴时，博客写好，后续的工作效率会更高

1、23号我上主要是在建模写拉数据的SQL，上午基本完成

2、测试来找我改一些假接口，测试FOX的写入需求，中午完成，都是有bug，下午改了几次

3、IT来找我，对AS结果进行组合，改好上线

4、下午剩余的时间继续建模，我对别人的WOE工具箱，进行了一些修改，已满足自己的需求，from sklearn.utils.multiclass import type_of_target，提供了一个type_of_target的方法，但是我发现把很多value的变量都认定为是离散变量，我并不了解，这是为什么，我修改了下逻辑，用len(set(A))>10去做判断，大于10即为连续变量，反之是离散变量。对于discrete方法，我用筛选方法只有>=0的来找做离散化，然后这里遇到了一个巨坑，就是我要对array进行赋值，x是一个array，我开始直接用的x_copy = x，然后后面改变x_copy的值，x也变了，我后来知道python和java对象赋值是引用传递，我用了numpy带的copy，x_copy = np.copy(x)，这样就赋值过去了

5、在4之前我还遇到过一个和discrete相关的bug，根本原因就是引用传递造成，我前面先放了放，在4得到了解决

6、对于昨天类似于td_score这种变量，没办法五等分，因为一半多的变量value都是一个值，后来我是自己去做的分段

7、最后开始建模，有几点注意的地方

result = pd.concat([y_train,df_pred_prob,df_grade],axis=1)

pd.concat可以把几个dataframe合并，合并之前要注意把之前的index重置，

y_train = y_train.reset_index(drop=True)

8、建模后利用WOE工具箱的discrete去分grade

9、回家的时候一直在思考什么才是正确的模型评价方法