小编ga9*_*dil的帖子

我试图估计我的 keras 模型的预测时间并意识到一些奇怪的事情。除了正常情况下相当快之外，模型每隔一段时间需要很长时间才能做出预测。不仅如此，这些时间也会随着模型运行的时间而增加。我添加了一个最小的工作示例来重现错误。

import time
import numpy as np
from sklearn.datasets import make_classification
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Flatten

# Make a dummy classification problem
X, y = make_classification()

# Make a dummy model
model = Sequential()
model.add(Dense(10, activation='relu',name='input',input_shape=(X.shape[1],)))
model.add(Dense(2, activation='softmax',name='predictions'))
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

model.fit(X, y, verbose=0, batch_size=20, epochs=100)

for i in range(1000):
    # Pick a random sample
    sample = np.expand_dims(X[np.random.randint(99), :], axis=0)
    # Record the prediction time 10x and then take the average
    start = time.time() …

我最近发现自己不得不在没有互联网连接的机器上安装 python 项目的所有依赖项（20+）。我曾经pip download ...获取所有*.whl文件并手动传输它们。直到现在我才完全欣赏 pip 的天才，以及它如何自行计算依赖树并设法以正确的顺序安装每个包。例如，包依赖于requests包，而包本身又依赖于urllib3包等等。

我想要一种使用命令控制台或 python 本身在机器上安装所有这些依赖项的自动化方式，所以我转向 StackOverflow 并找到了这些解决方案： 如何在 cmd 中安装多个 whl 文件

几乎所有建议的解决方案都对我有用，但缺点是必须多次运行它们，直到不再安装失败！这是由于脚本/命令按字母顺序对软件包进行排序并尝试按该顺序安装它们（例如，在到位requests之前尝试安装urllib3）。

有没有更聪明的方法来做到这一点，只按时执行脚本/命令？

我想VotingClassifier用多个不同的模型（决策树、SVC 和 Keras 网络）构建一个 sklearn集成。它们都需要不同类型的数据预处理，这就是我为它们每个都制作了管道的原因。

# Define pipelines

# DTC pipeline
featuriser = Featuriser()
dtc = DecisionTreeClassifier()
dtc_pipe = Pipeline([('featuriser',featuriser),('dtc',dtc)])

# SVC pipeline
scaler = TimeSeriesScalerMeanVariance(kind='constant')
flattener = Flattener()
svc = SVC(C = 100, gamma = 0.001, kernel='rbf')
svc_pipe = Pipeline([('scaler', scaler),('flattener', flattener), ('svc', svc)])

# Keras pipeline
cnn = KerasClassifier(build_fn=get_model())
cnn_pipe = Pipeline([('scaler',scaler),('cnn',cnn)])

# Make an ensemble
ensemble = VotingClassifier(estimators=[('dtc', dtc_pipe), 
                                        ('svc', svc_pipe),
                                        ('cnn', cnn_pipe)], 
                            voting='hard')

的Featuriser，TimeSeriesScalerMeanVariance而Flattener类是一些定制变压器，所有雇用fit，transform和 …

我有一个相当大的 DataFrame（~500 列和 >5000 行）。我想为前 15 列添加一个前缀。我找到了一个函数add_prefix()，它可以一次为所有列设置前缀。我尝试了以下方法：

df[df.columns[range(0,15)]] = df[df.columns[range(0,15)]].add_prefix('f_')

与'f_'作为前缀，我想补充。然而，输出似乎没有改变。

>>>
       mean        std         var  ...         525       526  label
0 -2.546261  17.827072  317.804485  ...   -0.314016 -0.310878    0.0
1 -2.338710  17.915556  320.967136  ...   -0.345603 -0.343088    0.0
2 -2.095051  17.539407  307.630788  ...   -0.323596 -0.324990    0.0
3 -1.685209  18.257797  333.347150  ...   -0.310060 -0.320796    0.0
4 -1.846169  17.240523  297.235618  ...   -0.318660 -0.322732    0.0

我想要的是：

>>>
     f_mean      f_std       f_var  ...         525       526  label
0 -2.546261  17.827072  317.804485  ...   -0.314016 -0.310878    0.0 …

我在网上找到了这个漂亮的图表（显然是用 plotly 制作的），并想用 seaborn 重新创建它。

到目前为止，这是我的代码：

import pandas as pd
import seaborn as sns

data = ...

flierprops = dict(marker='o', markersize=3)
sns.boxplot(x="label", y="mean",palette="husl", data=data,saturation=1,flierprops=flierprops)

这是迄今为止的结果：

我已经很高兴了，但我想调整线条和异常值颜色以匹配husl调色板。我怎样才能做到这一点？（以及附加：我将如何更改线宽？）

我有一个很长的字符串作为 xticks 的 matplotlib boxplot。有没有办法自动将它们分成多行以使情节更干净？我正在使用 seaborn 函数barplot来创建图形。

这是情节：

我用来创建它的代码：

plt.figure(figsize=(15,13))
sns.barplot(x="Component",y="TTTR",color = "C0",data=new,dodge=False,edgecolor="black",zorder=3)
plt.xticks(rotation=90)
plt.grid(axis='y',zorder=0)
plt.title("10 most impactful components",size=30,y=1.04,**pfont)
plt.ylabel("Impact (Sum TTR in h)")
plt.xlabel('Component')
plt.tight_layout()