小编176*_*ing的帖子

如何从另一个数据帧中删除pandas数据帧,就像set减法一样:

a=[1,2,3,4,5]
b=[1,5]
a-b=[2,3,4]

现在我们有两个pandas数据帧,如何从df1中删除df2:

In [5]: df1=pd.DataFrame([[1,2],[3,4],[5,6]],columns=['a','b'])
In [6]: df1
Out[6]:
   a  b
0  1  2
1  3  4
2  5  6


In [9]: df2=pd.DataFrame([[1,2],[5,6]],columns=['a','b'])
In [10]: df2
Out[10]:
   a  b
0  1  2
1  5  6

那么我们期望df1-df2的结果是:

In [14]: df
Out[14]:
   a  b
0  3  4

怎么做？

谢谢.

每次我在jupyter笔记本中使用Keras运行LSTM网络时，都会得到不同的结果，并且我在Google上搜索了很多，并且尝试了一些不同的解决方案，但是它们都不起作用，下面是我尝试过的一些解决方案：

1. 设置numpy随机种子

   random_seed=2017 from numpy.random import seed seed(random_seed)

2. 设置张量流随机种子

   from tensorflow import set_random_seed set_random_seed(random_seed)

3. 设置内置随机种子

   import random random.seed(random_seed)

4. 设置PYTHONHASHSEED

   import os os.environ['PYTHONHASHSEED'] = '0'

5. 在jupyter笔记本kernel.json中添加PYTHONHASHSEED

   { "language": "python", "display_name": "Python 3", "env": {"PYTHONHASHSEED": "0"}, "argv": [ "python", "-m", "ipykernel_launcher", "-f", "{connection_file}" ] }

我的环境版本是：

Keras: 2.0.6
Tensorflow: 1.2.1
CPU or GPU: CPU

这是我的代码：

model = Sequential()
model.add(LSTM(16, input_shape=(time_steps,nb_features), return_sequences=True))
model.add(LSTM(16, input_shape=(time_steps,nb_features), return_sequences=False))
model.add(Dense(8,activation='relu'))        
model.add(Dense(1,activation='linear'))
model.compile(loss='mse',optimizer='adam')