小编The*_*odo的帖子

我有一个带有文本列的数据框。我将它们分成x_train和x_test。

我的问题是，最好Tokenizer.fit_on_text()在整个x数据集上使用Keras的功能x_train？

像这样：

tokenizer = Tokenizer()
tokenizer.fit_on_texts(x_data)

要么

tokenizer.fit_on_texts(x_train)        # <- fixed typo
tokenizer.texts_to_sequences(x_train)

有关系吗？我也必须x_test稍后再进行标记化，所以我可以只使用相同的标记化器吗？

如何在 jupyter 中放大箱线图？我找不到任何允许我这样做的可选参数。特别是使用seaborn。

我有这样一个DF:

Name      Food      Year_eaten      Month_eaten

Maria     Rice        2014               3
Maria     Rice        2015              NaN
Maria     Rice        2016              NaN
Jack      Steak       2011              NaN
Jack      Steak       2012               5
Jack      Steak       2013              NaN

我希望输出看起来像这样:

Name      Food      Year_eaten      Month_eaten

Maria     Rice        2014               3
Maria     Rice        2015               3
Maria     Rice        2016               3
Jack      Steak       2011               5
Jack      Steak       2012               5
Jack      Steak       2013               5

我想根据这个条件填写NaN:

If the row's Name, Food is the same and the Year's are consecutive:
     Fill the NaN's with the Month_eaten corresponding to …

假设我有一个像这样的数据框：

ID    Name       Description
0     Manny      V e  r y calm
1     Joey       Keen and a n a l y t i c a l
2     Lisa       R a s h and careless
3     Ash        Always joyful

我想删除列中每个字母之间的所有空格Description，而不完全删除单词之间的所有必要空格。

Pandas 有一个简单的方法吗？

我有一个垃圾邮件数据集，它具有以下数据类型：

pyspark.rdd.PipelinedRDD

当我这样做时spams.take(3)，我得到：

[["Free entry in 2 a wkly comp to win FA Cup final tkts 21st May 2005. Text FA to 87121 to receive entry question(std txt rate)T&C\'s apply 08452810075over18\'s"],\n [\'WINNER!! As a valued network customer you have been selected to receivea \xc2\xa3900 prize reward! To claim call 09061701461. Claim code KL341. Valid 12 hours only.\'],\n [\'Had your mobile 11 months or more? U R entitled to Update to the latest colour mobiles with …