n * mのグラフを書く
row, col = 10, 3
fig = plt.figure(figsize=(col * 5, row * 4))
for i, c in enumerate(df.columns):
ax = fig.add_subplot(row, col, i + 1)
いつもの円グラフ
s.plot.pie(pctdistance=0.6,
labeldistance=0.3,
textprops={'color': "white", 'weight': "bold", 'fontsize': 12},
wedgeprops={'linewidth': 2,'edgecolor':"white"},)
自分流jupyter notebookの1セル目
import collections
import pathlib
# データ処理周り
import numpy as np
import pandas as pd
from IPython.core.display import display
# 可視化ライブラリ
import matplotlib.pyplot as plt
from matplotlib import cm # colormap
import seaborn as sns
%matplotlib inline
# pandasのwarningが邪魔なので
import warnings
warnings.filterwarnings('ignore')
# options
# pd.set_option('display.max_columns', 50)
plt.style.use('ggplot')
いつものHML分析
d = access_features['count'].sort_values().reset_index()
d.columns = ['base_index', 'count']
d = d.reset_index()
from sklearn.cluster import KMeans
from matplotlib import cm
kmeans = KMeans(n_clusters=3)
kmeans.fit(d[['count']])
d.loc[:, 'cluster'] = kmeans.labels_
fig, ax = plt.subplots()
colors = cm.Accent.colors
for i in range(3):
target = d[d['cluster'] == i]
ax.scatter(x=target['index'], y=target['count'], c=colors[i]
pandasで日時周り
dfにtimeカラムがあることを想定
文字列 -> datetime型
timeが2017-01-01とかの文字列だったとき
pd.to_datatime(df['time'])
でだいたいよしなにparseしてくれる
unixtime -> datetime型
timeがunixtimeだったとき
pd.to_datatime(df['time'], unit='s')
一部情報を取り出す(日付、月、時間等)
datetime = pd.to_datatime(df['time']) datetime.dt.hour
数百字のテキストを分類/クラスタリングしてみる with Keras
参考文献メモ。
分類
- ベース: Sequence Classification with LSTM Recurrent Neural Networks in Python with Keras - Machine Learning Mastery
- python - Keras LSTM multiclass classification - Stack Overflow
短文ならLSTM, 長文ならRNNが良いという噂。
クラスタリングするなら
- 【ICML読み会】Unsupervised Deep Embedding for Clustering Analysis - SSSSLIDE
- Unsupervised Deep Embedding for Clustering Analysis
色々
Recursive AutoEncoder
LSTMを理解する
KerasでLSTM AutoEncoder
PyCharmでRoot以外にもPythonPathを追加したい時
PyCharm: 2017.1バージョン
Preference > Project:
