pandas - 在钞票数据集中搜索 3 个比较的最佳方法
问题描述
所以,我需要创建一个带有 3 个简单比较的分类器来检测假钞票,基于这样的伪代码:
假设您正在检查具有 f_1 、f_2 、f_3 和 f_4 特征的账单,您的规则可能如下所示:
if ( f_1 > 4) and ( f_2 > 8) and ( f_4 < 25):
x = " good "
else :
x = " fake "
最好使用什么 - lambda?我从这个开始:
distdf = {
f1 : banknote['variance']
f2 : banknote['skewness']
f3 : banknote['curtosis']
f4 : banknote['entropy']
}
但我不确定如何进行。这是使用著名的钞票身份验证数据集:可在 Kaggle 上找到的 BankNote_Authentication.csv。
解决方案
我们可以尝试np.where
检查所有条件并应用相应的标签。无需将列别名为f1
,f2
等f3
:
banknote_df['classifier'] = np.where(
(banknote_df['variance'] > 4) &
(banknote_df['skewness'] > 8) &
(banknote_df['entropy'] < 25),
'good',
'fake'
)
示例程序:
import numpy as np
import pandas as pd
banknote_df = pd.DataFrame({
'variance': [2.2156, 4.4795, 1.866, 3.47578, 0.697854],
'skewness': [9.45647, 8.54688, -5.4568, 6.15258, -3.4564],
'curtosis': [-1.12245, -1.2454, 2.75, -6.5468, 3.45875],
'entropy': [-0.424514, -2.45687, 0.1230152, -6.1254, -0.45241],
'class': [0, 0, 0, 0, 0]
})
banknote_df['classifier'] = np.where(
(banknote_df['variance'] > 4) &
(banknote_df['skewness'] > 8) &
(banknote_df['entropy'] < 25),
'good',
'fake'
)
print(banknote_df)
banknote_df
:
variance skewness curtosis entropy class classifier
0 2.215600 9.45647 -1.12245 -0.424514 0 fake
1 4.479500 8.54688 -1.24540 -2.456870 0 good
2 1.866000 -5.45680 2.75000 0.123015 0 fake
3 3.475780 6.15258 -6.54680 -6.125400 0 fake
4 0.697854 -3.45640 3.45875 -0.452410 0 fake
推荐阅读
- asp.net-core - 我可以更改子范围的服务配置吗?
- webhooks - Microsoft MessageCard:如何指定消息优先级
- python - 我尝试为囚徒困境中的学习算法创建相同类型的不同对象,但 python 混淆了它们
- excel - 不在列表视图、VBA Excel 上显示/创建自定义标题
- scapy - 在 MacBook Air 上更新 Catalina 后无法加载 scapy。Scapy:read_routes netif = rt[4 + mtu_present + prio_present + refs_present + 锁定]
- typescript - 如何使用 Typescript 从 require 中捕获抛出的错误?
- spring-security - 找不到带有 Spring Security 5.3.2 ReactiveClientRegistrationRepository bean 的反应式 OAuth2
- android - 是否有用于集成数字角色指纹扫描仪的 React Native 解决方案
- ios - 从 Swift 代码自定义 init 到 Objective-C 中的 ViewController
- sql - Posgresql 按日期和特定 ID 选择前 x 行