numpyで2次元配列に行要素を追加していき、
最後にdataframeに変換
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 |
import pandas as pd import numpy as np data = [[1,2],[3,4]] data = np.append(data,[6, 4]) arr = np.empty((0,2), int) arr = np.append(arr, np.array([[1,2]]), axis=0) arr = np.append(arr, np.array([[3,4]]), axis=0) print(arr) data_frame = pd.DataFrame(arr, columns=['resolt', 'value']) data_frame |
i 編集モード
esc 編集モード終了
:q 保存せず終了
:q! 保存せず強制終了
:w 保存
:wq 保存して終了
/ 検索
su – ユーザー変更
yum list :インストールされているものを表示
vimのインストール yum -y install vim-enhanced
訓練済データを保存し、再利用
|
1 2 3 4 5 6 7 8 9 |
import pickle #linerregression.pickleというファイルが生成される with open('linerregression.pickle','wb') as f: pickle.dump(clf,f) #訓練済みデータを呼び出す pickle_in = open('linerregression.pickle','rb') clf = pickle.load(pickle_in) |
同じディレクトリ内であれば
|
1 2 |
pickle_in = open('linerregression.pickle','rb') clf = pickle.load(pickle_in) |
だけで訓練済みデータを呼びだせる
有料の深層学習用サーバーで学習させたデータを保存し、
再利用すれば経費削減にもつながる
スキャッターマトリクスと色づけ
|
1 2 |
grr = pd.scatter_matrix(iris_dataframe,c=y_train,figsize=(15,15),marker="o", hist_kwds={"bins":20},s=60,alpha=.8,cmap=mglearn.cm3) |
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 |
import csv import numpy as np #素数は2以上なので0から開始lastは任意の数 own_nm = 0 last = 11 #任意の数の整数値を出す a = np.array(np.arange(2,last)) #設定した整数値の数だけ回す for i in range((len(a))-1): #自身の数を削除 own_delated = np.delete(a,own_nm) # for x in range((len(own_delated))): # if own_delated[x] % #次の数値の素数判定 own_nm += 1 print(own_delated) |