小编abu*_*nte的帖子

我有一个像这样的“单行”数据框：

         Value 1   Value 2   Value 3
code
123            0         3       231

我想把零值变成空，所以它看起来像这样：

         Value 1   Value 2   Value 3
code
123                      3       231

我怎么能那样做？

我有以下pandas DataFrame,名为main_frame:

            target_var  input1  input2  input3  input4  input5    input6
Date
2013-09-01        13.0     NaN     NaN     NaN     NaN     NaN       NaN   
2013-10-01        13.0     NaN     NaN     NaN     NaN     NaN       NaN   
2013-11-01        12.2     NaN     NaN     NaN     NaN     NaN       NaN   
2013-12-01        10.9     NaN     NaN     NaN     NaN     NaN       NaN   
2014-01-01        11.7       0      13      42       0       0        16   
2014-02-01        12.0      13       8      58       0       0        14   
2014-03-01        12.8      13      15     100       0       0        24   
2014-04-01        13.1       0      11      50      34       0        18   
2014-05-01        12.2      12      14 …

我正在使用Keras来预测时间序列.作为标准,我使用了20个时代.我想知道我的神经网络为20个时期中的每一个预测了什么.

通过使用model.predict,我得到了最后的预测.但是我想要所有的预测,或者至少是最后的10个预测(具有可接受的错误级别).

要访问我正在尝试Keras的ModelCheckpoint函数,但是之后我无法访问它.我正在使用以下代码:

model=Sequential()

model.add(GRU(input_dim=col,init='uniform',output_dim=20))
model.add(Dense(10))
model.add(Dense(5))
model.add(Activation("softmax"))
model.add(Dense(1))

model.compile(loss="mae", optimizer="RMSprop")

checkpoint=ModelCheckpoint(filepath='/Users/Alex/checkpoint.hdf5')

model.fit(X=predictor_train, y=target_train, nb_epoch=20, batch_size=batch,validation_split=0.1) #best validation split at 0.1
model.evaluate(X=predictor_train, y=target_train,batch_size=batch,show_accuracy=True)

print checkpoint

客观地说,我的问题是:

• 我希望在运行代码后,我会在文件夹/ Users/Alex中找到一个名为checkpoint.hdf5的文件,但是我没有.我错过了什么？

• 当我打印checkpoint出我得到的是一个keras.callbacks.ModelCheckpoint object at 0x117471290.有没有办法打印我想要的东西？代码怎么样？

非常感激您的帮忙 :)

我有这个数据框：

   Code               Mark
0  Abd 43212312312   
1  Charles de Gaulle
2  Carlitos 4132411  
3  Antonio

如果代码列中字符串的最后 5 个字符是数字，我希望 'Mark' 是 'A'，所以它看起来像这样：

   Code               Mark
0  Abd 43212312312    A
1  Charles de Gaulle
2  Carlitos 4132411   A
3  Antonio

我正在尝试使用isnumeric，但我不断收到 AttributeError：'Series' object has no attribute 'isnumeric'

有人可以帮忙吗？

我有以下DataFrame:

                 Value        1lag 
Date                                                                     
2005-04-01  258.682029  214.382786 
2005-05-01  173.253998  258.682029
2005-06-01  244.432029  173.253998
2005-07-01  213.706019  244.432029
2005-08-01  213.670665  213.706019

这些是两个时间序列的绝对值.但是,我不想要那些绝对值,我想要它们的变体,所以它们看起来像这样:

                 Value        1lag 
Date                                                                     
2005-04-01         NaN         NaN 
2005-05-01      0.3302     -0.2066
2005-06-01     -0.4108      0.3302
2005-07-01      0.1257     -0.4108
2005-08-01      0.0002      0.1257

有这么简单的命令吗？如果没有,你的建议是什么？

我想加入两个数据框。已经尝试过 concat、merge 和 join，但我应该做错了什么。

df 1:

index    cnpj   country   state
1        7468        34      23   
4        3421        23      12
7        2314        12      45


df 2:

index    cnpj    street  number
2        7468        32      34   
5        3421        18      89
546      2314        92      73

我希望使用“cnpj”作为“连接键”合并它们并保留 df1 的索引。它应该是这样的：

df 1:

index    cnpj   country   state    street  number
1        7468        34      23        32      34      
4        3421        23      12        18      89
7        2314        12      45        92      73

关于如何做到这一点的任何建议？

我试图根据像这样的数据框中的人的大小来推断分类:

      Size
1     80000
2     8000000
3     8000000000
...

我希望它看起来像这样:

      Size        Classification
1     80000       <1m
2     8000000     1-10m
3     8000000000  >1bi
...

我理解理想的过程是应用这样的lambda函数:

df['Classification']=df['Size'].apply(lambda x: "<1m" if x<1000000 else "1-10m" if 1000000<x<10000000 else ...)

我检查了一些关于lambda函数中多个ifs的帖子,这里是一个示例链接,但是这个synthax在多个ifs语句中由于某种原因不适合我,但是它在单个if条件下工作.

所以我尝试了这个"非常优雅"的解决方案:

df['Classification']=df['Size'].apply(lambda x: "<1m" if x<1000000 else pass)
df['Classification']=df['Size'].apply(lambda x: "1-10m" if 1000000 < x < 10000000 else pass)
df['Classification']=df['Size'].apply(lambda x: "10-50m" if 10000000 < x < 50000000 else pass)
df['Classification']=df['Size'].apply(lambda x: "50-100m" if 50000000 < x < 100000000 else pass)
df['Classification']=df['Size'].apply(lambda x: …

考虑到输入总是有一些空白单元格并且可能存在重复值，我正在尝试将数组转换为没有空白单元格的单列。我正在尝试使用FLATTEN，但它保留了空白，并且 UNIQUE 会杀死重复的值，所以我无法使用。

我还考虑过使用类似的东西FLATTEN(QUERY(X:X, "select * WHERE col1,col2,col3,col4,col5 IS NOT NULL")，但列数可能是动态的，所以我不能准确地说出要使用哪些列。

我的输入：

期望的输出：

样本表在这里

有什么线索吗？

我有这样的数据帧

id    2013 Profits   2001 Revenues    1999 Assets...
31    xxxx           xxxx             xxxx
...

我想删除不以'201'开头的列(我只想保留数据2010和转发).

我怎样才能做到这一点？

我有这两个列表，具有相同的 len：

owner=["John","John","Mark","Bill","John","Mark"]
restaurant_number=[0,2,3,6,9,10]

我想把它变成一个通知每个所有者的 restaurant_number 的字典：

d={"John":[0,2,9],"Mark":[3,10],"Bill":[6]}

我可以用丑陋的方式做到这一点：

unique=set(owner)
dict={}
for i in unique:
    restaurants=[]
    for k in range(len(owner)):
        if owner[k] == i:restaurants.append(restaurant_number[k])
    dict[i]=restaurants

有没有更pythonic的方法来做到这一点？