小编j s*_*sad的帖子

我在Jupyter笔记本中使用IRKernel，但我想运行一些Python单元。我看到的例子，同时使用在Jupyter Python的内核，即运行R代码里面

%load_ext rpy2.ipython
%R require(ggplot2)

有没有办法做相反的事情？就像是

%load_ext py.ipython
%Python import pandas as pd

我有一个带有两个键的字典列表.第一个键是共享索引,第二个键是列名.我想将此列表转换为Pandas DataFrame对象.但是当我这样做时,我得到重复的索引行,其中每一行都有一列空白.

使用此代码:

import pandas as pd
l = [{'col_a': 0, 'idx': 0},
     {'col_b': 5, 'idx': 0},
     {'col_a': 1, 'idx': 1},
     {'col_b': 6, 'idx': 1},
     {'col_a': 2, 'idx': 2},
     {'col_b': 7, 'idx': 2},
     {'col_a': 3, 'idx': 3},
     {'col_b': 8, 'idx': 3},
     {'col_a': 4, 'idx': 4},
     {'col_b': 9, 'idx': 4}]

df = pd.DataFrame(l)
df = df.set_index('idx')

我明白了

     col_a  col_b
idx              
0      0.0    NaN
0      NaN    5.0
1      1.0    NaN
1      NaN    6.0
2      2.0    NaN
2      NaN    7.0
3      3.0 …

我正在 Tensorflow 2 中训练 LSTM 模型来预测两个输出：水流和水温。

• 对于某些时间步长，有一个流标签和一个温度标签，
• 对于某些只有流量标签或温度标签，
• 对某些人来说，两者都没有。

因此，当温度和流量损失没有标签时，损失函数需要忽略它们。我已经阅读了大量 TF 文档，但我正在努力弄清楚如何最好地做到这一点。

到目前为止我已经尝试过

• sample_weight_mode='temporal'在编译模型时指定，然后sample_weight在调用时包含一个 numpy 数组fit

当我这样做时，我收到一个错误，要求我传递一个二维数组。但这让我感到困惑，因为有 3 个维度：n_samples、sequence_length和n_outputs。

这是我基本上想做的一些代码：

import tensorflow as tf
import numpy as np

# set up the model
simple_lstm_model = tf.keras.models.Sequential([
    tf.keras.layers.LSTM(8, return_sequences=True),
    tf.keras.layers.Dense(2)
])

simple_lstm_model.compile(optimizer='adam', loss='mae',
                          sample_weight_mode='temporal')

n_sample = 2
seq_len = 10
n_feat = 5
n_out = 2

# random in/out
x = np.random.randn(n_sample, seq_len, n_feat)
y_true …