小编Rav*_*i G的帖子

我正在使用 pandas (1.0.5) 加载 xlsx 文件，并注意到带有百分号的值（例如 0.3%）会自动除以 100。

我知道如何将该列作为字符串加载，但不明白为什么它将值除以 100。理想情况下，我希望只包含没有百分号的浮点值。现在我剥离了 % 并转换了列，但必须有更好的方法。将数据加载为 CSV 时不会发生这种情况。

df = pd.read_excel("testfile.xlsx")

输入.xlsx：

|alpha|beta|
|:-|:-|
|0.3%|0.34%|

结果数据框：

|alpha|beta|
|:-|:-|
|0.003|0.0034|

我有以下代码片段。

df = pd.DataFrame({'col1' : ['A', 'A', 'B', np.nan, 'D', 'C'],
                   'col2' : [2, 1, 9, 8, 7, 4],
                   'col3': [0, 1, 9, 4, 2, 3]})
print(df)
sorted=df.sort_values(by=1,axis=1)
print(sorted)

以上数据为原始数据框。

以上是 df.sort_values() 函数的输出。

谁能解释这里发生了什么？

我正在使用Jupyter Notebook和word2vec模型在Google Cloud Platform上运行VM。我有以下代码片段：

from gensim.models import Word2Vec
amazon_word2vec = Word2Vec(model, min_count=1, size=100)

并导致错误：

AttributeError: module 'boto' has no attribute 'plugin'

以上问题的解决方法是什么？

我目前在 mlflow 中创建了一个实验，并在实验中创建了多次运行。

from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error
import mlflow

experiment_name="experiment-1"
mlflow.set_experiment(experiment_name)

no_of_trees=[100,200,300]
depths=[2,3,4]
for trees in no_of_trees:
    for depth in depths:
        with mlflow.start_run() as run:
            model=RandomForestRegressor(n_estimators=trees, criterion='mse',max_depth=depth)
            model.fit(x_train, y_train)
            predictions=model.predict(x_cv)
            mlflow.log_metric('rmse',mean_squared_error(y_cv, predictions))

创建运行后，我想获得此实验的最佳 run_id。现在，我可以通过查看 mlflow 的 UI 来获得最佳运行效果，但是我们如何才能正确地执行程序？