python dataframe转array（as_matrix()替换方法 .values

已于 2022-04-08 11:22:47 修改
阅读量1.6k 收藏 1
点赞数
分类专栏： pandas 小技巧 文章标签： python
于 2022-04-08 10:32:40 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34120015/article/details/124035217
版权

使用df.as_matrix()报错：DataFrame object has no attribute “as_matrix”

import numpy as np
import pandas as pd
#构建数据集
df = pd.DataFrame({"date":["2021-1-31","2021-2-28"],   "uid":["a1","a2"],    "amount":[50,30] }   )
 
# as_matrix_array = df.as_matrix()
values_array = df.values

 

 

 

cy^2
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python dataframe astype 字段类型转换方法
12-23
使用astype实现dataframe字段类型转换 # -*- coding: UTF-8 -*- import pandas as pd df = pd.DataFrame([{'col1':'a', 'col2':'1'}, {'col1':'b', 'col2':'2'}]) print df.dtypes df['col2'] = df['col2'].astype...
【学习笔记】（as_matrix()属性已被淘汰）解决：AttributeError: ‘DataFrame‘ object has no attribute ‘as_matrix‘
X10的博客
04-06 2917
报错： AttributeError: ‘DataFrame’ object has no attribute ‘as_matrix’ 原因： as_matrix()属性已被淘汰，所以DataFrame对象没有as_matrix属性 解决方法： 将 as_matrix() 改为 values 示例如下： 将： x = data.iloc[:,:8].as_matrix() y = data.iloc[:,8].as_matrix() 改为： x = data.iloc[:,:8].values y = d
出现 DataFrame object has no attribute ‘as_matrix‘ 错误
qq_43653405的博客
08-11 2649
原因：新库删去了as_matrix 操作df.as_matrix()改成df.values，比如将 data = data.as_matrix(columns = None) 改为 data = data.values 错误来源于 简单的用户流失预警实战 https://blog.csdn.net/qq_43653405/article/details/107875825 ...
Python pandas.DataFrame.as_blocks和as_matrix函数方法的使用
weixin_42098295的博客
06-14 513
Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.as_blocks和as_matrix方法的使用。 原文地址：Python pandas.DataFrame.as_blocks和as_mat
如何将dataframe中一列的数据转换成数组
weixin_42602368的博客
12-24 4257
可以使用 pandas 库中的 DataFrame 类的 to_numpy 方法来将一列的数据转换成数组。 例如，假设你有一个名为 df 的 DataFrame，其中有一列名为 'col_name'，那么可以使用以下代码将该列转换为数组： import pandas as pd # 将 'col_name' 列转换为数组 col_array = df['col_name'].to_numpy()...
python多维转一维
qq_42592970的博客
11-23 1080
转载https://www.cnblogs.com/hechangchun/p/9557824.html import operator from functools import reduce a = [[1,2,3], [4,6], [7,8,9,8]] print(reduce(operator.add, a)) [1, 2, 3, 4, 6, 7, 8, 9, 8] a = [[1,2,3], [5, 8], [7,8,9]] l=[] for m in range(0,3): for i in a
用Python玩转数据 04_4-dataframe.mp4
03-01
用Python玩转数据 04_4-dataframe.mp4
Python库 | dataframe_diff-0.5.tar.gz
05-14
资源分类：Python库 所属语言：Python 资源全名：dataframe_diff-0.5.tar.gz 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
python的dataframe和matrix的互换方法
09-20
下面小编就为大家分享一篇python的dataframe和matrix的互换方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Python库 | mssql_dataframe-1.0.0.tar.gz
05-18
资源分类：Python库 所属语言：Python 资源全名：mssql_dataframe-1.0.0.tar.gz 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
【python】dataframe和array相互转换
weixin_46713695的博客
08-11 6238
dataframe和array互相转换
pandas.DataFrame.as_matrix
热门推荐
petermsh的专栏
09-09 1万+
pandas.DataFrame.as_matrix
Python DataFrame转为矩阵，DataFrame中包含行列等坐标信息和值信息，如何转换为numpy矩阵？（为OpenCV使用提供方便）
Myoonyee_CSDN的博客
03-24 1万+
计算经常涉及需要矩阵的步骤，特别是DataFrame想要转矩阵的情况 DataFrame一列代表行索引，一列代表列索引，一列代表取值，想要转成具体的矩阵，用来画比如3d bar的图，就需要这个函数了。 见 Python DataFrame转为矩阵，DataFrame中包含行列等坐标信息和值信息，如何转换为numpy矩阵？（为OpenCV使用提供方便） | Myoontyee's Blog | iCT & Robotichttps://myoontyee.github.io/articl..
python as_matrix()
平平淡淡，戒急用忍，一生学闭嘴。
11-13 6099
背景：读取Excel数据训练模型时，需要将表格转换成数组，as_matrix()可将dataframe数据转换成数组，但会报警 1.1 原始DataFrame #原始DataFrame import pandas as pd import numpy as np df=pd.DataFrame(np.arange(12).reshape(3,4)) 运行结果是3行4列的DataFrame，DataFrame是一种表格型数据结构，有行索引，也有列索引 1.2用as_matrix()将Datafram
成功解决DataFrame object has no attribute ‘as_matrix‘
weixin_55511645的博客
12-10 1891
把原代码：data = stock.as_matrix（）改成：data = stock.values。
Spark dataframe某一列转化为Array
Buevara的博客
04-19 8143
首先，必须保证列没有空值，如果有，则需要drop $colName 为 列名 data = data.na.drop(s"$colName") 输出格式为ArrayAny data0.select(s"$cname").collect().map(_(0)) 变为String或Double需要定义函数 // 类型转换为String def ToString(s:Any):Strin...
PySpark:DataFrame及其常用列操作
读万卷书 行万里路
04-27 1万+
DataFrame也是一种不可变的分布式数据集，类似于Python Pandas中的DataFrame和关系数据库中的表。在分布式数据集上施加表结构之后，就可以使用Spark SQL查询结构化的数据或者使用Spark表达式方法。 1. Spark SQL性能 未引入DataFrame之前，使用Python操作RDD时的查询速度比使用Scala和Java的查询慢很多，因为Pyspark需要将所有........................................................
import pandas as pd import math as mt import numpy as np from sklearn.model_selection import train_test_split from Recommenders import SVDRecommender triplet_dataset_sub_song_merged = triplet_dataset_sub_song_mergedpd triplet_dataset_sub_song_merged_sum_df = triplet_dataset_sub_song_merged[['user','listen_count']].groupby('user').sum().reset_index() triplet_dataset_sub_song_merged_sum_df.rename(columns={'listen_count':'total_listen_count'},inplace=True) triplet_dataset_sub_song_merged = pd.merge(triplet_dataset_sub_song_merged,triplet_dataset_sub_song_merged_sum_df) triplet_dataset_sub_song_merged['fractional_play_count'] = triplet_dataset_sub_song_merged['listen_count']/triplet_dataset_sub_song_merged small_set = triplet_dataset_sub_song_merged user_codes = small_set.user.drop_duplicates().reset_index() song_codes = small_set.song.drop_duplicates().reset_index() user_codes.rename(columns={'index':'user_index'}, inplace=True) song_codes.rename(columns={'index':'song_index'}, inplace=True) song_codes['so_index_value'] = list(song_codes.index) user_codes['us_index_value'] = list(user_codes.index) small_set = pd.merge(small_set,song_codes,how='left') small_set = pd.merge(small_set,user_codes,how='left') mat_candidate = small_set[['us_index_value','so_index_value','fractional_play_count']] data_array = mat_candidate.fractional_play_count.values row_array = mat_candidate.us_index_value.values col_array = mat_candidate.so_index_value.values data_sparse = coo_matrix((data_array, (row_array, col_array)),dtype=float) K=50 urm = data_sparse MAX_PID = urm.shape[1] MAX_UID = urm.shape[0] recommender = SVDRecommender(K) U, S, Vt = recommender.fit(urm) Compute recommendations for test users uTest = [1,6,7,8,23] uTest_recommended_items = recommender.recommend(uTest, urm, 10) Output recommended songs in a dataframe recommendations = pd.DataFrame(columns=['user','song', 'score','rank']) for user in uTest: rank = 1 for song_index in uTest_recommended_items[user, 0:10]: song = small_set.loc[small_set['so_index_value'] == song_index].iloc[0] # Get song details recommendations = recommendations.append({'user': user, 'song': song['title'], 'score': song['fractional_play_count'], 'rank': rank}, ignore_index=True) rank += 1 display(recommendations)这段代码报错了，为什么？给出修改后的 代码
最新发布
06-08
data_sparse = coo_matrix((data_array, (row_array, col_array)),dtype=float) K=50 urm = data_sparse MAX_PID = urm.shape[1] MAX_UID = urm.shape[0] recommender = SVDRecommender(K) # 创建SVD推荐器 U...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值