注意:
该方法输出的为Top-K节点的索引(index),即若节点Id为1~n,则对应输出索引为0~n-1。
读者需要根据自己的实际应用进行调整或修改!
输入:“多方法排序.csv”文件对应的Dataframe
文件类型如下图
Id | LR | PR | S1 | S2 | S3 |
1 | 0.627 | 0.007669 | 0.5405 | 0.6014 | 0.561 |
2 | 0.627 | 0.007669 | 0.6312 | 0.6574 | 0.6462 |
3 | 0.627 | 0.007669 | 0.4801 | 0.5583 | 0.5017 |
4 | 0.7217 | 0.009864 | 0.5001 | 0.5937 | 0.5168 |
5 | 0.6825 | 0.008934 | 0.4461 | 0.5213 | 0.4479 |
6 | 0.7217 | 0.009864 | 0.5338 | 0.627 | 0.5555 |
7 | 0.7217 | 0.009864 | 0.5001 | 0.5937 | 0.5168 |
输出:各个方法按照方法/指标值从大到小排序,选择前k的节点的索引构成Dataframe
代码
# 获得所需的top-k节点
def getTopK(methods, k):
print('Top-' + str(k) + '节点生成中...')
methods_name = np.array(methods.columns)[1: len(methods.columns)]
print('文件中共有以下 ' + str(len(methods_name)) + ' 种方法')
print(methods_name)
df = pd.DataFrame(columns=methods_name) # 存储各个方法的top-k节点
# 循环每一个方法
for i in range(len(methods_name)):
method = methods.iloc[:, i + 1] # 方法列
top_K = method.argsort()[::-1][0:k] # top-k,此处为索引号,与Id号差1
df[methods_name[i]] = top_K # 存储到dataframe
return df
测试
from SIRTool import getTopK # 引入该方法
if __name__ == '__main__':
methods = pd.read_csv('多方法排序.csv') # 多种方法的排序结果
k = 5 # 取排名前5的节点
df = getTopK(methods, k) # 多种方法的Top-k结果
print(df)
df.to_csv('Top-' + str(k) + ' nodes.csv', index=False)
print('Top-' + str(k) + '节点已存储至本地!\n')
输出结果:
Top-5节点生成中...
文件中共有以下 5 种方法
['LR' 'PR' 'S1' 'S2' 'S3']
LR PR S1 S2 S3
51 25 39 25 25 25
50 39 25 39 39 39
49 41 41 41 41 41
48 20 20 42 20 20
47 42 42 20 42 42
Top-5节点已存储至本地!