小编sar*_*iii的帖子

我已经搜索过这个错误,但答案是针对Java的,但我的情况是Scala.我试图在IntelliJ IDE sentimenAnalysis中运行这个项目 ,但它会抛出一个错误.这也是项目的结构.找不到类

更新1根据答案,在搜索类名称的末尾添加$

添加sbt任务后更新2:

更新3 我的问题通过导入项目解决,而不是直接从GitHub获取,可能是迈克艾伦说可以解决问题的手动配置,但我无法成功应用它.

我想在我的数据框中切两列。

这是我这样做的代码：

import pandas as pd
df = pd.read_csv('source.txt',header=0)
cidf=df.loc[:,['vocab','sumCI']]
print(cidf)

这是数据示例：

ID  vocab   sumCI   sumnextCI   new_diff
450      statu    3.0        0.0       3.0
391     provid    4.0        1.0       3.0
382  prescript    3.0        0.0       3.0
300   lymphoma    2.0        0.0       2.0
405      renew    2.0        0.0       2.0

**首先我收到此错误：**

KeyError: “None of [['', '']] are in the [columns]”'

我尝试过的

• 我在读取文件时尝试header用index 0

• 我尝试使用以下代码重命名列：

  df.rename(columns=df.iloc[0],inplace=True)
  

  Run Code Online (Sandbox Code Playgroud)

• 我也试过这个：

  df.columns = df.iloc[1]
  df=df.reindex(df.index.drop(0))
  

  Run Code Online (Sandbox Code Playgroud)

• 在此链接中也尝试过评论

以上都不是解决问题的方法。

我看过这个问题，但我不确定我是否正确理解。

我打开了 pycharm 和一个 python 脚本及其运行（它是主题建模）。

此外，我还有另一个 python 脚本，我在同一台服务器的另一个 pycharm 中打开了该脚本。我也运行它。

现在这两个程序在同一台服务器上运行，我应该提一下，我没有更改任何配置，无论是 server 还是 pycharm。

你觉得这样好吗？或者一个脚本在技术上不会运行（就进度而言，我的意思是它只显示它的运行但实际上不会运行）直到另一个脚本完成？

我在 keras 中编写了一个自定义层。在这个自定义层的一部分中，可以说我有一个这样的矩阵：

c = tf.cast(tf.nn.top_k(tf.nn.top_k(n, tf.shape(n)[1])[1][:, ::-1], tf.shape(n)[1])[1][:, ::-1], dtype=tf.float32)

我的问题是如何跟踪每个时期的结果值？

例如，如果我有 20 个纪元，我需要将这个矩阵的 20 个保存在一个csv文件中。

（我知道如何保存模型的权重，但这是中间层操作的结果，我需要跟踪这个矩阵）。

我做了什么：

这是我的层的结构：

class my_layer(Layer):
    def __init__(self, topk, ctype, **kwargs):
    self.x_prev = None
    self.topk_mat = None

   def call(self, x):
     'blah blah'

   def get_config(self):
      'blah blah'

   def k_comp_tanh(self,x, f=6):
     'blah blah'
      if self.topk_mat is None:
            self.topk_mat = self.add_weight(shape=(20, 25),
                                          initializer='zeros',
                                          trainable=False,
                                          # dtype=tf.float32,
                                          name='topk_mat')

     c = tf.cast(tf.nn.top_k(tf.nn.top_k(n, tf.shape(n)[1])[1][:, ::-1], tf.shape(n)[1])[1][:, ::-1], dtype=tf.float32)
     self.topk_mat.assign(c)

用于构建模型和拟合数据的代码：

class AutoEncoder(object):
def __init__(self, input_size, dim, comp_topk=None, ctype=None, …

我在我的数据集上应用了svm.我的数据集是多标签意味着每个观察都有多个标签.

虽然KFold cross-validation它引起了错误not in index.

它显示从601到6007的索引not in index(我有1 ... 6008个数据样本).

这是我的代码:

   df = pd.read_csv("finalupdatedothers.csv")
categories = ['ADR','WD','EF','INF','SSI','DI','others']
X= df[['sentences']]
y = df[['ADR','WD','EF','INF','SSI','DI','others']]
kf = KFold(n_splits=10)
kf.get_n_splits(X)
for train_index, test_index in kf.split(X,y):
    print("TRAIN:", train_index, "TEST:", test_index)
    X_train, X_test = X.iloc[train_index], X.iloc[test_index]
    y_train, y_test = y.iloc[train_index], y.iloc[test_index]

SVC_pipeline = Pipeline([
                ('tfidf', TfidfVectorizer(stop_words=stop_words)),
                ('clf', OneVsRestClassifier(LinearSVC(), n_jobs=1)),
            ])

for category in categories:
    print('... Processing {} '.format(category))
    # train the model using X_dtm & y
    SVC_pipeline.fit(X_train['sentences'], y_train[category])

    prediction = …

我已经在词云中绘制了我的文本数据。这是我拥有的数据框

vocab   sumCI
aid      3
tinnitu  3
sudden   3
squamou  3
saphen   3
problem  3
prednison 3
pain    2
dysuria 3
cancer  2

然后我将它转换为这样的字符串（实际上，我已经复制了每个单词在我的数据框中出现的次数，然后提供给函数）：

aid aid aid tinnitu tinnitu tinnitu sudden sudden sudden squamou squamou squamou

然后我使用此代码来可视化文本数据：

def generate_wordcloud(text): # optionally add: stopwords=STOPWORDS and change the arg below
    wordcloud = WordCloud(
                          background_color="white",
                          width=1200, height=1000,
                          relative_scaling = 1.0,
                          collocations=False
                          ).generate(text)
    plt.imshow(wordcloud)
    plt.axis("off")
    plt.show()

cidf=cidf.loc[cidf.index.repeat(cidf['sumCI'])].reset_index(drop=True)
strCI = ' '.join(cidf['vocab'])
print(strCI)
generate_wordcloud(strCI)

然后结果是这样的：

如您所见，大多数单词会重复 2 或 3 次，但它们在词云中的大小并未显示这一点。即使是同样大小的单词，大小也有很大的不同！

例如：

例如看看这个数据框中的“tinnitu”和“dysuria”，它们的频率都是3，耳鸣很大，但排尿困难你会发现它很难，因为它很小。

谢谢 ：）

更新1：

我指的代码就是本书中的代码，您可以在这里找到。

唯一的事情是我不想embed_size在解码器部分中拥有。这就是为什么我认为根本不需要具有嵌入层的原因，因为如果我放入嵌入层，则需要embed_size在解码器部分中放置（如果Im错误，请更正我）。

总的来说，我试图在不使用嵌入层的情况下采用相同的代码，因为我需要vocab_size在解码器部分中具有。

我认为评论中提供的建议可能是正确的（using one_hot_encoding）我如何面对此错误：

当我做的时候one_hot_encoding：

tf.keras.backend.one_hot(indices=sent_wids, classes=vocab_size)

我收到此错误：

in check_num_samples you should specify the + steps_name + argument ValueError: If your data is in the form of symbolic tensors, you should specify the steps_per_epoch argument (instead of the batch_size argument, because symbolic tensors are expected to produce batches of input data)

我准备数据的方式是这样的：

sent_lensis的 形状，(87716, 200)我想以可以将其输入LSTM的方式重塑形状。这里200代表sequence_lenght，87716是我拥有的样本数。

以下是代码LSTM …

我有一个像这样的数据框

已经服用 12 天，同时服用 60 毫克百忧解 4 年多了。索引句

  1   I feel the best I have felt in years.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                               
  2   "I have taken for over 7 years.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                  
  3   I slept 2 hours".                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    
  4   IT SAVED MY LIFE                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    
  5   IT SAVED MY LIFE" 

然后我想将它们连接在一个数组中。问题是，可能有一些句子重复，但我仍然想保留所有句子，所以结果将是：

["I feel the best I have felt in years", "I have taken for over 7 years." , "I slept 2 hours." , "IT SAVED MY LIFE" , "IT SAVED MY LIFE"]

我已经尝试过这个链接 和这个都在r中。

我也尝试过这种方法：

dfsent.groupby(['sentences']).apply(','.join) …

我有一个这样的张量：

sim_topics = [[0.65 0.   0.   0.   0.42  0.   0.   0.51 0.   0.34 0.]
              [0.   0.51 0.   0.  0.52  0.   0.   0.   0.53 0.42 0.]
              [0.    0.32 0.  0.50 0.34  0.   0.   0.39 0.32 0.52 0.]
              [0.    0.23 0.37 0.   0.    0.37 0.37 0.   0.47 0.39 0.3 ]]

和这样的一个布尔张量：

bool_t = [False  True  True  True]

我想以某种方式sim_topics基于bool标志选择一部分，bool_t它仅选择top k smallest每行的值（如果该行为true，则不保留原样）。

所以预期的输出将是这样的：（在这里k=2）

[[0.65 0.   0.    0.   0.42  0.   0.   0.51 0.   0.34 0.]
 [0.   0.51 …

我有这样的数据帧:

         ADR     WD      EF    INF    SSI   DI
0        1.0    NaN     NaN    NaN    NaN  NaN
1        NaN    NaN     1      1      NaN  NaN
2        NaN    NaN     NaN    NaN    1    NaN
3        NaN    1       1      1      NaN  NaN
4        NaN    1.0     NaN    NaN    NaN  NaN

我希望结果是这样的:

[["ADR"],["EF","INF"],["SSI"],["WD","EF","INF"],["WD"]]

如您所见,如果列中有列的名称已被替换1.所有都被放在另一个阵列中.

我看过这个帖子链接,但它没有帮助我,因为名称已经静态改变.

谢谢:)

我有两个具有相同列但内容不同的数据框。我已经策划了dffinal data frame。现在我想dffinal_no在同一张图上绘制另一个数据框以进行比较。

例如，一个条形图blue colour，以及带有另一种颜色的相同条形图differentiating in y-axis。

这是我绘制第一个数据框的代码的一部分。

dffinal = df[['6month','final-formula','numPatients6month']].drop_duplicates().sort_values(['6month'])

ax=dffinal.plot(kind='bar',x='6month', y='final-formula')
import matplotlib.pyplot as plt
ax2 = ax.twinx()
dffinal.plot(ax=ax2,x='6month', y='numPatients6month')
plt.show()

现在想象我有另一个dffinal_no具有相同列的数据框，我如何在同一个图表中绘制它？

这是我绘制的第一个图表，我希望该图表上的另一个条形图使用另一种颜色。

所以@Mohamed Thasin ah 的答案在某种程度上是我想要的，除了正确的 y 轴不正确。

我想both data frame基于(6month, final-formula)但右边y-axis只是显示患者数量，作为用户的信息。

实际上，我DO NOT希望第一个 df 基于，final-fomula第二个 df 基于NumberPatients.

Update1 jast 作为参考它看起来像我的数据框

dffinal = df[['6month','final-formula','numPatients6month']].drop_duplicates().sort_values(['6month'])
nocidffinal = nocidf[['6month','final-formula','numPatients6month']].drop_duplicates().sort_values(['6month'])
fig = plt.figure()
ax1 = fig.add_subplot(111)
ax2 = …

这是我的数据框：

          6month  final-formula     Question Text  numPatients6month
286231       1       0.031730        CI_FINANCE                977
286270       1       0.147390            CI_MJO                977
286276       1       0.106448  CI_CONCENTRATING                977
286700       2       0.010323            CI_MJO                775
286323       2       0.018065        CI_FINANCE                775
286401       2       0.034839  CI_CONCENTRATING                775
286228       3       0.032020  CI_CONCENTRATING                812
286238       3       0.061576            CI_MJO                812
286292       3       0.008621        CI_FINANCE                812
286690       4       0.008097            CI_MJO                741
286342       4       0.005398        CI_FINANCE                741
286430       4       0.060729  CI_CONCENTRATING                741
286481       5       0.009840        CI_FINANCE                813
287441       5       0.008610            CI_MJO                813
286362       5       0.041820  CI_CONCENTRATING …