yatu

问题是您没有指定任何 pos 节点的属性 Winterfell ,然后当您尝试访问它时 draw_networkx_edge_labels 它找不到它。

如果尝试给它一个position属性,请说:

      location    x    y
0      TheWall  145  570
1   Winterfell  142  520
2  WhiteHarbor  140  480

然后,可以正确访问所有节点的属性,并核心绘制网络:

plt.figure()
G=nx.Graph()

df1 = df1.reset_index(drop=True)
df2 = df2.reset_index(drop=True)

for i, x in enumerate(df1['location']):
    G.add_node(x, pos=(df1.loc[i,'x'], df1.loc[i,'y']))

for x, x2, w in zip(df2['location'], df2['x'], df2['y']):
    G.add_edge(x, x2, weight=w)

plt.figure(figsize=(15,15)) 

pos = nx.get_node_attributes(G, 'pos')
weights = nx.get_edge_attributes(G, 'weight') 
nx.draw(G, pos=pos, node_size=40, with_labels=True, fontsize=9)
nx.draw_networkx_edge_labels(G, pos=pos, edge_labels=weights)

plt.show()

你可以用 itertools.product 并设置一个 repeat 共3页:

from itertools import product
a, b = 10, 100
n = 3

list(product([a,b], repeat=n))

[(10, 10, 10),
 (10, 10, 100),
 (10, 100, 10),
 (10, 100, 100),
 (100, 10, 10),
 (100, 10, 100),
 (100, 100, 10),
 (100, 100, 100)]

看起来你想要的是条形图而不是直方图。注意a histogram 是:

数值资料分布的精确表示

它不同于条形图,因为条形图涉及两个变量,而直方图只涉及一个。 用于绘制条形图 matplotlib.pyplot.bar 以下内容:

X = [0,0,0,1,10,5,0,0,5]

import matplotlib.pyplot as plt 
plt.bar(range(len(X)), X)

您可以重塑数据并创建新的数据帧:

cols = 6
rows = 4
df = pd.DataFrame(df.values.T.reshape(cols,rows).T)
df.rename(columns=df.iloc[0]).drop(0)

    A    B    C  A2 B2 C2
1  0.1  0.8  0.3  1  1  1
2  0.4  0.7  0.6  2  2  2
3  0.6  0.9  0.8  3  3  3

你可能想用 集合 为此。 你可以找到有交集的公共元组( & )两组中:

match = set(data1) & set(data2)

你可以用对称差分或等价的方法得到非公共元素 ^ :

no_match = len(set(data1) ^ set(data2))

更多关于 sets — Unordered collections of unique elements 在连接的链接中。

一种方法是使用 scipy.ndimage.interpolation.zoom . 这将是 zooming 使用 spline interpolation . 为了使用它,您需要提供一个缩放因子,在这种情况下,假设您想要一个大小的数组 10 ,应该是 10/len(x) :

from scipy.ndimage import interpolation

x = np.array([10,50,40,20])
i = 10
z = i / len(x)
# 2.5

x_int = interpolation.zoom(x,z)

产量

array([10, 18, 35, 50, 54, 49, 40, 30, 23, 20])

您提到的这些算法都不局限于二进制分类问题。它们可以用于多分类问题,就像对二进制分类一样,通过调用 model.fit(x_train,y_train) .