这真是个好主意模型.predic返回。?如何在数据帧的列中转换这个元组?你知道吗
(array([1., 1., 1., ..., 1., 1., 1.]), array([[0.46502338, 0.53497662],
[0.47072865, 0.52927135],
[0.4696557 , 0.5303443 ],
...,
[0.47139825, 0.52860175],
[0.46367829, 0.53632171],
[0.46586898, 0.53413102]]))
<class 'tuple'>
这些对我来说都不管用
pd.DataFrame(dict(class_pred=tuple[0], prob_0=tuple[1], prob_1=tuple[2]))
pd.DataFrame(np.column_stack(tuple),columns=['class_pred','prob_0','prob_1'])
我想得到这样的东西:
class_pred prob_0 prob_1
1 0.470728 0.5292713
AniSkywalker解决方案非常有效。你知道吗
type(data)
print(data)
tuple
(array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.]),
array([[0.46502338, 0.53497662],
[0.47072865, 0.52927135],
[0.4696557 , 0.5303443 ],
[0.46511921, 0.53488079],
[0.46739934, 0.53260066],
[0.47387646, 0.52612354],
[0.4737461 , 0.5262539 ],
[0.47052631, 0.52947369],
[0.47658316, 0.52341684],
[0.47222654, 0.52777346]]))
df_pred = pd.DataFrame(data=dict(pred=data[0], prob_0=data[1][:,0], prob_1=data[1][:,1]))
print(df_pred)
pred prob_0 prob_1
0 1.0 0.465023 0.534977
1 1.0 0.470729 0.529271
2 1.0 0.469656 0.530344
3 1.0 0.465119 0.534881
4 1.0 0.467399 0.532601
5 1.0 0.473876 0.526124
6 1.0 0.473746 0.526254
7 1.0 0.470526 0.529474
8 1.0 0.476583 0.523417
9 1.0 0.472227 0.527773
我假设您的数据是
((n), (n, 2))
形式,因此:提供对输出外观的合理估计。你知道吗
假设
data
是:您的
dict
方法实际上只需要一个修改:请注意,
prob_0
和prob_1
都是从第二个tuple元素派生的,但是使用Numpy的列索引,我们可以像您所描述的那样拆分各个数组。你知道吗以
data[1][:,0]
为例:首先,我们选择data
元组的第二个元素,即(n, 2)
矩阵。然后,我们从所有行(:
)中选择第一列(0
)。结果是该矩阵中每行的第一个元素的向量。你知道吗用我编造的数字,
df.head()
应该给你:相关问题 更多 >
编程相关推荐