小编Myk*_*tko的帖子

训练LightGBM模型时出现以下错误：

# Train the model
import lightgbm as lgb
lgb_train = lgb.Dataset(x_train, y_train)
lgb_val = lgb.Dataset(x_test, y_test)

parameters = {
    'application': 'binary',
    'objective': 'binary',
    'metric': 'auc',
    'is_unbalance': 'true',
    'boosting': 'gbdt',
    'num_leaves': 31,
    'feature_fraction': 0.5,
    'bagging_fraction': 0.5,
    'bagging_freq': 20,
    'learning_rate': 0.05,
    'verbose': 0
}

model = lgb.train(parameters,
                       train_data,
                       valid_sets=test_data,
                       num_boost_round=5000,
                       early_stopping_rounds=100)

y_pred = model.predict(test_data)

我的数据框：

data = {'Input':[133217,133217,133217,133217,133217,133217,132426,132426,132426,132426,132426,132426,132426,132426],
 'Font':[30,25,25,21,20,19,50,50,50,38,38,30,30,29]}

     Input  Font
0   133217    30
1   133217    25
2   133217    25
3   133217    21
4   133217    20
5   133217    19
6   132426    50
7   132426    50
8   132426    50
9   132426    38
10  132426    38
11  132426    30
12  132426    30
13  132426    29

我想创建一个仅包含Font中属于 3 个唯一最大值的值的新数据框。例如，输入 133217 的 3 个最大字体值为 30、25、21。

预期输出：

op_data = {'Input':[133217,133217,133217,133217,132426,132426,132426,132426,132426,132426,132426],
 'Font':[30,25,25,21,50,50,50,38,38,30,30]}

     Input  Font
0   133217    30
1   133217    25
2   133217    25
3   133217    21
4   132426 …

fake_useragent 包可以随机生成用户代理：

from fake_useragent import UserAgent

ua = UserAgent()
user_agent = ua.random

有时生成的用户代理具有过时的浏览器版本，一些网站不接受它们。有没有办法只使用最新的浏览器版本生成用户代理？

将 selenium webdriver 设置为无头模式后是否可以将其设置回正常模式？

from selenium import webdriver
from selenium.webdriver.firefox.options import Options

options = Options()
options.headless = True
driver = webdriver.Firefox(options=options)
driver.get(http://stackoverflow.com)

# set driver back to normal mode

如何根据另一个列值过滤数据框中的行？

我有一个数据框，它是

ip_df:
     class    name     marks          min_marks  min_subjects
0    I        tom      [89,85,80,74]  80         2
1    II       sam      [65,72,43,40]  85         1

根据“min_subject”和“min_marks”的列值，应过滤该行。

• 对于索引 0，"min_subjects" 为 "2"，"marks" 列中至少有 2 个元素应大于 80 即，"min_marks" 列然后必须添加名为 "flag" 的新列作为 1

• 对于索引 1，“min_subjects”为“1”，“marks”列中至少有 1 个元素应大于 85，即“min_marks”列，然后必须将名为“flag”的新列添加为 0（即， flag=0 因为这里不满足条件）

最后的结局应该是

op_df:
     class    name     marks          min_marks  min_subjects flag
0    I        tom      [89,85,80,74]  80         2            1
1    II       sam      [65,72,43,40]  85         1            0

任何人都可以帮助我在数据框中实现相同的目标吗？

复制包含不同分隔符、列名中的空格等的表的最佳方法是什么。该函数pd.read_clipboard()无法自行管理此任务。

示例 1：

| Age Category | A | B  | C  | D |
|--------------|---|----|----|---|
| 21-26        | 2 | 2  | 4  | 1 |
| 26-31        | 7 | 11 | 12 | 5 |
| 31-36        | 3 | 5  | 5  | 2 |
| 36-41        | 2 | 4  | 1  | 7 |
| 41-46        | 0 | 1  | 3  | 2 |
| 46-51        | 0 | 0  | …

我正在尝试使用 Plotly 绘制腿部的 3D 扫描图Mesh3D。

我使用scatter_3dXYZ 点来展示这个概念：

fig = px.scatter_3d(df, x='x', y='y', z='z', opacity = 0.8)

然而，它看起来并不像一个表面。因此，我尝试Mesh3d使用：

fig = go.Figure(data=[go.Mesh3d(x=x, y=y, z=z, color='lightpink', opacity=0.50)])

显然，这个剧情并不顺利。我尝试在渲染绘图之前对 df 进行排序，但没有帮助。

重申一下，我正在寻找该 XYZ 数据的平滑曲面图。

这是扫描的XYZ 数据。

编辑：有关曲面图介绍的继续信息

我用下面的代码实现了曲面图。不幸的是，没有渲染任何图（也没有伴随错误）。

colnames = ['x', 'y', 'z']
df = pd.read_csv('sandbox\leg.txt', sep = ' ', header = None, names = colnames)
x, y = np.array(df['x'].tolist()), np.array(df['y'].tolist())
df2 = df.pivot(index = 'x', columns = 'y', values = 'z')
z = df2.values
fig …

（问题末尾的数据样本和尝试）

使用这样的数据框：

    Type    Class   Area    Decision
0   A       1       North   Yes
1   B       1       North   Yes
2   C       2       South   No
3   A       3       South   No
4   B       3       South   No
5   C       1       South   No
6   A       2       North   Yes
7   B       3       South   Yes
8   B       1       North   No
9   C       1       East    No
10  C       2       West    Yes 

如何找到[A, B, C, D]属于每个区域的每种类型的百分比[North, South, East, West]？

期望的输出：

    North   South   East    West
A …

我要处理的文本文件中有一些字符串。我尝试了许多正则表达式模式，但没有一个对我有用。

someone can tell/figure
a/the squeaky wheel gets the grease/oil
accounts for (someone or something)
that's/there's (something/someone) for you

我需要以下字符串组合：

someone can tell
someone can figure
a squeaky wheel gets the grease
a squeaky wheel gets the oil
the squeaky wheel gets the grease
the squeaky wheel gets the oil
accounts for someone
accounts for something
that's something for you
that's someone for you
there's something for you
there's someone for you

我在变压器模型中使用MultiHeadAttention层（我的模型与命名实体识别模型非常相似）。因为我的数据具有不同的长度，所以我使用填充和attention_mask参数MultiHeadAttention来屏蔽填充。如果我使用Masking之前的图层，它会和参数MultiHeadAttention有相同的效果吗？attention_mask或者我应该同时使用：attention_mask和Masking图层？