小编Jer*_* M.的帖子

我正在尝试与plotly，特别是ploty express，构建一些可视化。

我正在构建的一件事是散点图

我在下面有一些代码，它产生了一个很好的散点图：

import plotly.graph_objs as go, pandas as pd, plotly.express as px
df = pd.read_csv('iris.csv')
fig = px.scatter(df, x='sepal_length', y='sepal_width',
              color='species', marker_colorscale=px.colors.sequential.Viridis)
fig.show()

但是，我想尝试更改配色方案，即为每个物种呈现的颜色。

我读过了：

• https://plotly.com/python/builtin-colorscales/
• https://plotly.com/python/colorscales/
• https://plotly.com/python/v3/colorscales/

但是不能让颜色改变。

试：

fig = px.scatter(df, x='sepal_length', y='sepal_width',
              color='species', marker_colorscale=px.colors.sequential.Viridis)

产量：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-6-78a9d58dce23> in <module>
      2 # https://plotly.com/python/line-and-scatter/
      3 fig = px.scatter(df, x='sepal_length', y='sepal_width',
----> 4               color='species', marker_colorscale=px.colors.sequential.Viridis)
      5 fig.show()

TypeError: scatter() got an unexpected keyword argument 'marker_colorscale'

试

试： …

这是在内部理解如何使用 预测类的概率LightGBM。

其他包，如sklearn，为其分类器提供了详尽的细节。例如：

• LogisticRegression 返回：

概率估计。

所有类的返回估计值按类的标签排序。

对于 multi_class 问题，如果 multi_class 设置为“多项式”，则使用 softmax 函数来查找每个类的预测概率。否则使用一对一的方法，即使用逻辑函数计算每个类的概率，假设它是正的。并在所有类中标准化这些值。

• RandomForest 返回：

预测 X 的类别概率。

输入样本的预测类别概率计算为森林中树木的平均预测类别概率。单棵树的类概率是叶子中同一类样本的分数。

还有其他 Stack Overflow 问题提供了更多详细信息，例如：

• Support Vector Machines
• Multilayer Perceptron

我正在尝试为 LightGBM 的predict_proba功能揭示相同的细节。该文档未列出有关如何计算概率的详细信息。

该文件只是说明：

返回每个样本的每个类的预测概率。

源代码如下：

def predict_proba(self, X, raw_score=False, start_iteration=0, num_iteration=None,
                  pred_leaf=False, pred_contrib=False, **kwargs):
    """Return the predicted probability for each class for each sample.

    Parameters
    ----------
    X : array-like or sparse matrix of shape = [n_samples, n_features]
        Input features matrix.
    raw_score : …

我试图找到一种方法：

1. 循环遍历一列（B 列）
2. 取值，将它们存储在一个数组中
3. 循环遍历该数组并进行一些文本操作

但是，我想不出一种方法来遍历一列并获取这些值，并将它们存储在一个数组中。我已经浏览了 Stack Overflow 和谷歌，但没有找到成功的解决方案。

在此先感谢您的帮助。

Sub collectNums()

Dim eNumStorage() As String ' initial storage array to take values
Dim i as Integer
Dim j as Integer
Dim lrow As Integer

lrow = Cells(Rows.Count, "B").End(xlUp).Row ' The amount of stuff in the column

For i = lrow To 2 Step -1
    If (Not IsEmpty(Cells(i, 2).Value)) Then ' checks to make sure the value isn't empty
    i = eNumStorage ' I know this isn't right
Next i …

我正在尝试创建一个如下所示的Pandas数据框：

| user_name | followers | following | retweets | likes |  tweet date |     tweet    |
|:---------:|:---------:|:---------:|:--------:|:-----:|:-----------:|:------------:|
|   user1   |     50    |    100    |    25    |   10  |  Oct-1-2019 | lorem ipsum… |
|   user1   |     50    |    100    |    25    |   10  |  Oct-6-2019 | lorem ipsum… |
|   user1   |     50    |    100    |    25    |   10  | Oct-19-2019 | lorem ipsum… |
|   user1   |     50    |    100    |    25    |   10  |  Oct-4-2019 | lorem …

我期待创建一个通用功能的输出转换decision_scores的sklearn's IsolationForest成真概率[0.0, 1.0]。

我知道并阅读了原始论文，并且我在数学上理解该函数的输出不是概率，而是每个基估计器构建的路径长度的平均值，以隔离异常。

问题

我想将该输出转换为tuple (x,y)wherex=P(anomaly)和形式的概率y=1-x。

当前方法

def convert_probabilities(predictions, scores):
    from sklearn.preprocessing import MinMaxScaler

    new_scores = [(1,1) for _ in range(len(scores))]

    anomalous_idxs = [i for i in (range(len(predictions))) if predictions[i] == -1]
    regular_idxs = [i for i in (range(len(predictions))) if predictions[i] == 1]

    anomalous_scores = np.asarray(np.abs([scores[i] for i in anomalous_idxs]))
    regular_scores = np.asarray(np.abs([scores[i] for i in regular_idxs]))

    scaler = MinMaxScaler()

    anomalous_scores_scaled = scaler.fit_transform(anomalous_scores.reshape(-1,1))
    regular_scores_scaled = …

我正在尝试利用 MAX() OVER PARTITION BY 函数来评估我公司购买的特定部件的最新收据。下面是去年一些零件的信息示例表：

| VEND_NUM | VEND_NAME    | RECEIPT_NUM | RECEIPT_ITEM | RECEIPT_DATE |
|----------|--------------|-------------|----------|--------------|
| 100      | SmallTech    | 2001        | 5844HAJ  | 11/22/2017   |
| 100      | SmallTech    | 3188        | 5521LRO  | 12/31/2017   |
| 200      | RealSolution | 5109        | 8715JUI  | 05/01/2017   |
| 100      | SmallTech    | 3232        | 8715JUI  | 11/01/2017   |
| 200      | RealSolution | 2101        | 4715TEN  | 01/01/2017   |

如您所见，第三行和第四行显示同一部件号的两个不同供应商。

这是我当前的查询：

WITH

-- various other subqueries …

我正在尝试评估多个评分指标以确定模型性能的最佳参数。即，说：

为了最大化 F1，我应该使用这些参数。为了最大限度地提高精度，我应该使用这些参数。

我正在从这个 sklearn 页面处理以下示例

import numpy as np

from sklearn.datasets import make_hastie_10_2
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import make_scorer
from sklearn.metrics import accuracy_score
from sklearn.tree import DecisionTreeClassifier

X, y = make_hastie_10_2(n_samples=5000, random_state=42)


scoring = {'PRECISION': 'precision', 'F1': 'f1'}

gs = GridSearchCV(DecisionTreeClassifier(random_state=42),
                  param_grid={'min_samples_split': range(2, 403, 10)},
                  scoring=scoring, refit='F1', return_train_score=True)
gs.fit(X, y)
best_params = gs.best_params_
best_estimator = gs.best_estimator_

print(best_params)
print(best_estimator)

其产量：

{'min_samples_split': 62}
DecisionTreeClassifier(min_samples_split=62, random_state=42)

但是，我要寻找的是为每个 metric找到这些结果，因此在这种情况下，对于F1和precision

如何才能获得每种评分指标的最佳参数GridSearchCV？

注意 - 我相信这与我的使用有关 …

我有两个字典：

length = {1: 3, 2: 9, 3: 1, 4: 1, 5: 0, 6: 0, 7: 5, 8: 0}

result = {1: 3.0, 2: 3.7416573867739413, 3: 7.874007874011811, 4: 6.4031242374328485, 5: 4.0, 6: 0.0, 7: 5.0, 8: 1.0}

当键匹配时，我需要将结果值除以长度值。因此，例如：

Key = 1: 3.0 / 3
Key = 2: 3.7416573867739413 / 9
etc

对于结果中的所有键。我尝试使用以下字典理解：

sims = {k:lengths[k] / v for k, v in result.items()}

但是我得到一个错误 ZeroDivisionError: float division by zero

然后，我尝试避免使用难看的代码来理解，并使用：

for dot_key, dot_val in result.items():
    for length_key, length_val in lengths.items():
        if …

我有一个如下所示的数据集：

{'prediction': {5: 'c1',
  4: 'c1',
  3: 'c1',
  2: 'c1',
  0: 'c1',
  1: 'c1',
  7: 'c1',
  6: 'c1'},
 'variable': {5: 'ft1',
  4: 'ft2',
  3: 'ft3',
  2: 'ft4',
  0: 'ft5',
  1: 'ft6',
  7: 'ft7',
  6: 'ft8'},
 'value': {5: 0.020915912763961077,
  4: 0.020388363414781133,
  3: 0.007204373035913109,
  2: 0.0035298765062560817,
  0: -0.002049702058734183,
  1: -0.004283512505036808,
  7: -0.01882610282871816,
  6: -0.022324439779323434}}

我正在尝试制作一个可行的条形图，如下所示：

sns.barplot(data=x, x='value', y='variable', 
            hue='prediction', orient="h")

效果很好

但是，我希望条形是红色的。以下：

sns.barplot(data=x, x='value', y='variable', 
            hue='prediction', color='red', orient="h")

结果是：

为什么会变成灰色？我也尝试过多种其他颜色，但结果相同。如何将条形变为橙色？

我正在使用dataclass装饰器。

对于我的一个变量，我希望它是 astr或int类型

from dataclasses import dataclass

@dataclass
class Foo:
    test_var: str
    # test_var: int

    def get_example(self):
        return type(self.test_var)

当对象被构造时，我希望 fortest_var是 astr或 an ；如何为我的类的属性指定两种类型？intFoo