20211115-20211119学习笔记

---

- python版本，安装包以及版本信息

import sys
import matplotlib as mpl
import numpy as np
import tensorflow as tf

print("python", sys.version) # python版本
for module in mpl, np:
    print(module.__name__, module.__version__)

# 限制版本
assert sys.version_info >= (3, 5)
assert tf.__version__ >= "2.0"

- os.environ[‘TF_CPP_MIN_LOG_LEVEL’] 的值的含义

转自：https://blog.csdn.net/c20081052/article/details/90230943
源码：https://github.com/tensorflow/tensorflow/blob/master/tensorflow/core/platform/default/logging.h

namespace tensorflow {
const int INFO = 0;            // base_logging::INFO;
const int WARNING = 1;         // base_logging::WARNING;
const int ERROR = 2;           // base_logging::ERROR;
const int FATAL = 3;           // base_logging::FATAL;
const int NUM_SEVERITIES = 4;  // base_logging::NUM_SEVERITIES;

log等级优先级：
FATAL > ERROR > WARNING > INFO
会打印大于等于os.environ[‘TF_CPP_MIN_LOG_LEVEL’]所设置的值的日志

- python文件开头

#!/usr/bin/env python
# -*- coding:utf-8 -*-

或者

#!/usr/bin/python
# -*- coding:utf-8 -*-

1. #!/usr/bin/python和#!/usr/bin/env python
   Linux系统下：
   Linux系统，根据文件开头（首行）的标记来判断文件类型，通过文件所指定的程序来运行。

    #!/usr/bin/python是告诉操作系统调用/usr/bin下的python解释器来执行这个脚本。例如，我们编写了hello.py脚本，执行时需要输入命令：python hello.py。因为有了这行声明，就可以直接用./hellp.py 来执行了，在这之前需要给脚本设置可执行权限chmod +x hello.py。
   
    #!/usr/bin/env python是为了防止没有将python装在默认的/usr/bin路径里。当系统看到这一行的时候，首先会到env设置里查找python的安装路径，再调用对应路径下的解释器程序完成操作，推荐这种写法。
    Windows系统下：
    Windows系统用文件名的后缀（扩展名）来判断文件类型，只要是.py后缀的就关联到python程序去执行。因此，#!/usr/bin/python或#!/usr/bin/env python在Window系统下相当于普通的注释，并没有意义。
   

2. -*- coding:utf-8 -*-
   2.x版本的py文件一般默认的是ASCII码，如果文件里有中文，运行时会出现乱码，注释是中文也不行。因此，需要把文件编码类型改为utf-8的类型，输入# -- coding:utf-8 --之后会把文件编码强制转换为utf-8。
   3.x版本的py文件的默认编码为Unicode，也就是说不用进行编码声明，可以直接使用中文了。

原文链接：https://blog.csdn.net/qq_36512295/article/details/89057856

-tf.convert_to_tensor()

用于将不同数据变成张量：比如可以让数组变成张量、也可以让列表变成张量。

# x: [60k, 28, 28],
# y: [60k]
(x, y), _ = datasets.mnist.load_data()
# x: [0~255] => [0~1.]
x = tf.convert_to_tensor(x, dtype=tf.float32) / 255.
y = tf.convert_to_tensor(y, dtype=tf.int32)

- Hive 解析json（get_json_object）

https://blog.csdn.net/qq_34105362/article/details/80454697
get_json_object(string json_string, string path)

说明：
第一个参数填写json对象变量，第二个参数使用$表示json变量标识，然后用 . 或 [] 读取对象或数组；如果输入的json字符串无效，那么返回NULL。
每次只能返回一个数据项。

举例：
data 为 test表中的字段，数据结构如下：

data =
{
 "store":
        {
         "fruit":[{"weight":8,"type":"apple"}, {"weight":9,"type":"pear"}],  
         "bicycle":{"price":19.95,"color":"red"}
         }, 
 "email":"amy@only_for_json_udf_test.net", 
 "owner":"amy" 
}

1.get单层值

hive> select  get_json_object(data, '$.owner') from test;
结果：amy

2.get多层值.

hive> select  get_json_object(data, '$.store.bicycle.price') from test;
结果：19.95

3.get数组值[]

hive> select  get_json_object(data, '$.store.fruit[0]') from test;
结果：{"weight":8,"type":"apple"}

遇到json数组可以用explode() 解析为多个item

- Spark UDF使用详解及代码示例

https://blog.csdn.net/Islotus/article/details/80993387

- json4s使用示例

- Spark获取DataFrame中列的几种姿势–col，$，column，apply

https://www.cnblogs.com/itboys/p/10962665.html

-Spark Dataframe explode()用法

- Spark DataFrame join()用法

- Spark Dataframe groupby取topk

https://stackoverflow.com/questions/33655467/get-topn-of-all-groups-after-group-by-using-spark-dataframe

- Spark Dataframe cast column type

- Spark Dataframe save

https://sparkbyexamples.com/spark/spark-write-dataframe-single-csv-file/

- python dataframe map, applymap方法

https://zhuanlan.zhihu.com/p/100064394

- python dataframe read/write

delimiter
header
index
to_excel(engine=‘xlsxwriter’)

- excel批量替换空值

https://blog.csdn.net/NextAction/article/details/78441451

- spark dataframe window

https://stackoverflow.com/questions/38687212/spark-dataframe-drop-duplicates-and-keep-first

val timeWindow = Window.partitionBy(col("col1"), col("col2")).orderBy(desc("ftime"))
    df = df.withColumn("latest", rank.over(timeWindow))
      .where(col("latest") <= 1)
val window = Window.partitionBy(col("col1")).orderBy(desc("score"))
    df = df.withColumn("rank", row_number.over(window))

- pandas dataframe groupby用法示例

返回的是组别，以及对应组别下的Dataframe
for _, g in self.data.groupby([‘qu_query’]):

分组随机split
group_df_list = [g for _, g in df.groupby([‘qu_query’])]
random.shuffle(group_df_list)
train_data = pd.concat(group_df_list[:5074], axis=0, ignore_index=True)
test_data = pd.concat(group_df_list[5074:], axis=0, ignore_index=True)

---

• 01_neural_nets_with_keras.ipynb
• TensorFlow-From-Zero-To-One
• tensorflow_in_action